Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice
1 Introduccin
1.1
RadioAstronoma . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Anlisis de .Wav
2.1
2.2
2.3
Cdigo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2
2.1.1
Importando Libreras
. . . . . . . . . . . . . . . . . . . .
2.1.2
2.1.3
Duracin de Archivo . . . . . . . . . . . . . . . . . . . . .
2.1.4
2.1.5
Histograma . . . . . . . . . . . . . . . . . . . . . . . . . .
Las Grcas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.3.1
. . . . . . . . . . . . . . . . . . . .
10
2.3.2
Histograma . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.3.3
dB Vs. Frecuencia
11
. . . . . . . . . . . . . . . . . . . . . .
3 Estadstica Grca
3.1
12
Importando Libreras . . . . . . . . . . . . . . . . . . . . . . . . .
SYS
3.1.2
Tkinter
3.1.3
Matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.1.4
Numpy
17
Funciones
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3.1.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
15
17
3.2.1
Choose()
. . . . . . . . . . . . . . . . . . . . . . . . . . .
17
3.2.2
Prepair(t) . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.2.3
Analysis() . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.2.4
Graphic() . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.2.5
Loop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
4 Conclusiones
21
5 Referencias
21
1 Introduccin
Durante el transcurso del ao 2014, la Fundacin Universitaria Konrad Lorenz
llev a cabo el tercer semillero de talentos cientcos, matemticos y tecnolgicos
en la ciudad de Bogot D.C., Colombia. El enfoque principal de este semillero
fue para el proyecto Radio Jove, que consiste en recibir las ondas de radio provenientes de algunos objetos celestes como Jpiter.
datos en una unidad conocida como SkyPipeUnits, propia del programa. Despus de esto, se puede guardar los datos obtenidos en formato .spd (formato
de RadioSkyPipe) o se puede exportar a un formato de texto plano (.txt).
El lector se preguntar para qu son necesarias dos partes, ya que se poda
analizar los datos en texto plano, pero con el objetivo de abarcar ms, la primera
parte, perteneciente a Edwin Mahecha se dedic a crear un programa mediante el
cual se pudieran analizar los archivos en formato de audio (.wav) disponibles en
los dos tutores del semillero de talentos, Alejandro Crdenas Avendao, fueron
de programacin en Python orientado a objetos.
Todos los programas fueron estructurados en iPython Notebook, una herramienta
interactiva para el uso de Python, por lo que permita probar muchas veces los
distintos segmentos del cdigo. Cuando superaba esta etapa de pruebas se proceda a transladar y adaptar los segmentos a un script para ejecutarlo con mayor
rapidez. Adems se pretenda con el cambio crear una interfaz grca amigable
con el usuario, para la cual el mismo no necesitaba habilidades de programacin.
Los dos cdigos tienen en comn el uso de la librera Tkinter (para ms informacin ver la primera seccin de la subsubseccin 3.1.2) con el objetivo de
seleccionar mediante una interfaz grca el archivo a analizar.
1.1 RadioAstronoma
El proyecto de la NASA RadioJove est orientado a acercar la radioastronoma
a colegios y universidades, aunque no slo eso, tambin se cre este proyecto
para iniciar una base de datos que reuna las mediciones que toman los grupos
que han adquirido el receptor y han construido las antenas. Esto con el n de
comparar los datos adquiridos desde diferentes latitudes y conseguir un mejor
anlisis.
Por lo tanto, antes de explicar cmo funcionan los programas diseados para el
anlisis de los datos recibidos, se debe entender cul es la naturaleza de los fenmenos a los cuales se les realiza las mediciones desde el receptor suministrado
por el proyecto.
Un segmento del Semillero de Talentos se dedic al entendimiento de la RadioAstronoma. Este segmento fue liderado por Daniela Crdenas Slazar, integrante
del Semillero y estudiante del Colegio Parroquial de los Santos Apstoles Pedro
y Pablo en Bogot. Gracias a su apoyo se dar una explicacin amena a esta
rama de la Astronoma encargada de estudiar los cuerpos celestes usando como
mtodo de observacin el segmento del espectro electromagntico conocido como
ondas de radio.
Para recibir seales de buena calidad, se deben utilizar grandes antenas, o grupos de antenas ms pequeas trabajando en paralelo. Tambin se pueden poner
a varios radiotelescopios trabajando en conjunto por medio de interferometra.
Cabe aadir que el espectro visible es una cantidad minscula respecto a todo
el espectro, es como estar ciegos frente a toda la fenomenologa de la que est
compuesta el Universo.
El objetivo de la recoleccin de datos realizado por el Semillero es el sol.
Se
escogi al sol como objeto de estudio debido a la facilidad con la que recibimos
datos de este al ser el cuerpo del cual recibe ms intensidad la Tierra.
El sol se comporta prcticamente como un cuerpo negro, por lo que se rige bajo
los postulados de la
cuerpos negros.
La
Rt (v),
RT ()
que repre-
y por unidad de
tiempo. En 1899, Lummer y Pringsheim realizaron una de las primeras mediciones precisas de esta cantidad y se dieron cuenta de que a una temperatura
determinada la radiancia espectral describa una especie de curva dependiente
de la frecuencia.
Figura 4:
V s RT ()
c = ,
A principios del S. XX slo se conoca la grca antes expuesta experimentalmente, hasta que Max Plank ide su famosa ecuacin que encierra la energa
total emitida de un cuerpo negro a temperatura
T,
es decir:
Z
RT ()
0
A esto se le conoce como radiancia
donde
= 5.67 10
8 W
/m
(RT ).
RT = T 4 ,
= T )
donde
b = 2.8976 103 m K .
2 Anlisis de .Wav
Los siguiente cdigos fueron elaborados con la nalidad de realizar un anlisis
a los archivos ejemplo de sonido proporcionados por la NASA para el proyecto
Jove. Estos archivos de sonido pueden ser descargados directamente de la pgina
del proyecto
http://radiojove.gsfc.nasa.gov/.
utilizados para ser confrontados frente a los datos de la NASA. Cabe resaltar
que las unidades de RadioSkyPipe (programa suministrado) no van a ser muchas
veces compatibles con los resultados de los archivos *.wav.
El programa est dividido en cinco secciones que se explicarn a continuacin. El
programa no es completamente universal, ya que es necesario el uso de libreras
externas a la instalacin bsica de python, por lo cual se recomienda vericar
qu librerias son requeridas o instalar el paquete de anaconda disponible aqu:
https://store.continuum.io/cshop/anaconda/.
2.1 Cdigo
Este cdigo nos permite realizar un anlisis directo a archivos de audio.
Ha-
https://github.com/SemilleroKonradLorenz/jove
se puede
import wave
import c o n t e x t l i b
import s c i p y
from p y l a b import
import numpy a s np
6
import math
from s c i p y . s i g n a l
import hann from s c i p y . f f t p a c k import r f f t
from s c i p y . i o import w a v f i l e
import m a t p l o t l i b . p y p l o t a s p l t
from T k i n t e r import Tk
from t k F i l e D i a l o g import a s k o p e n f i l e n a m e
2.1.2 Seleccin del archivo
Para esto se hace uso de la librera Tkinter. Esta ejecuta un cuadro de dialogo
en el cual se puede buscar el archivo en especco.
Si se ve con detalle, se puede apreciar la implementacin anterior a Tkinter.
Dicha implementacin era limitada, ya que slo permitia buscar archivos en
determinada carpeta, a diferencia de Tkinter que permite hacer un uso ms
extensivo.
Data"% g e t u s e r ( ) )
in
files :
" %s = %i "%(x ,
num )
num+=1
v a r=i n p u t ( " S e l e c t
#S e l e c t
if
File :")
Files
v a r >(num 1)
raise
or
v a r <0:
V a l u e E r r o r ( " No
valid
#Graphic Mode
Tk ( ) . w i t h d r a w ( )
fname = a s k o p e n f i l e n a m e ( )
" File
Selected :
"+fname
d=
f rames
rate
c o n t e x t l i b . c l o s i n g ( wave .
frames = f . getnframes ( )
rate = f . getframerate ()
as
f :
duration = frames
" File
float ( r a t e )
l e n g t h : %f
S e c . "%d u r a t i o n
snd
otras grabaciones pueden poseer varios canales, por eso nicamente se toma el
primer canal.
snd = input_data
snd = snd
(2.15)
print " T h i s i s t h e
print ( s n d . s h a p e )
shape
of
the
sound
( sample
points ,
chanels
sound ) : "
i f len ( s n d . s h a p e ) ! = 1 :
s n d=s n d [ : , 0 ]
#Arange o f ms
s a m p l e P o i n t s=s n d . s h a p e [ 0 ]
timeArray = arange ( 0 ,
timeArray = timeArray
float ( s n d . s h a p e [ 0 ] ) ,
/
1)
sampFreq
timeArray = timeArray
#s c a l e t o seconds
maxV=(np . amax ( s n d ) ) + . 0 5
minV=(np . amin ( s n d ) ) . 0 5
#yDuration y d u r a t i o n = np . array ( d u r a t i o n )
y d u r a t i o n = np . r e p e a t ( y d u r a t i o n , 2 )
%m a t p l o t l i b
inline
p l t . f i g u r e ( f i g s i z e =(20 ,10))
p l t . p l o t ( t i m e A r r a y , snd , ' b ' )
p l t . p l o t ( y d u r a t i o n , np . l i n s p a c e ( minV , maxV ,
2) ,
#Limit l i n e
" r " )
p l t . y l i m (maxV , maxV)
plt . t i t l e (" File :
"+fname )
( sec . ) ' )
La amplitud dada en esta grca est dada en volts (v ), y los valores gracados
estan en el orden de los milivolts.
2.1.5 Histograma
El histograma basicamente permite ver las veces que una amplitud se repite a
lo largo de todo el archivo.
#%m a t p l o t l i b i n l i n e
p l t . f i g u r e ( f i g s i z e =(20 ,10))
p l t . h i s t ( snd ,
b i n s =200)
Repeated ' )
y[k] =
N
1
X
kn
e2j N x[n] ,
n=0
En la formula N es una secuencia de nmeros complejos (X0 , ...,XN 1 ). Esta secuencia es transformada en otra secuencia de N valores por medio de la ecuacin
anterior.
La DFT busca hallar
y [k]es
y [k],
partiendo de
X [n].
la frecuencia resultante.
i n p u t _ d a t a 1 =w a v f i l e . r e a d ( fname )
audio1 = input_data1 [ 1 ]
#Sampling samp=2048
#Here we check t h e sound shape . We cant work w i t h t h e
sound i f t h sound has more than one channel .
i f len ( a u d i o 1 . s h a p e ) ! = 1 :
a u d i o 1=a u d i o 1 [ : , 0 ]
#Hanning window
window=hann ( samp )
a u d i o 1 = a u d i o 1 [ 0 : samp ]
window
abs ( r f f t ( a u d i o 1 ) )
#dB v a l u e s
mags= 20
s c i p y . l o g 1 0 ( mags )
=max( mags )
#p l o t
p l t . f i g u r e ( f i g s i z e =(20 ,10) )
p l t . p l o t ( mags ,
y l a b e l ( " Magnitude
$ ( dB ) $ " ,
size
=30)
x l a b e l ( " Frequency
Bin " ,
s i z e =30)
plt . legend ()
plt . t i t l e ( " Flute
Spectrum " ,
s i z e =30)
p l t . show ( )
En el cdigo tambin se puede apreciar el uso de una escala logartmica con el
n de calular decibeles(dB ). Esta escala coresponde a la ecuacin:
GdB = 20log10 (
V1
)
V0
V1
V0
es un voltaje de
es un voltaje dado.
2.3.2 Histograma
El histograma se realiza con el objetivo de identicar las veces que se repite una
amplitud, en este caso nos ayuda a descartar algunas interferencias, debido a que
10
Hz ).
Otros.
Figura 6: Histograma
V0 = 1V ,
1 a -1, es decir.
GdB = 20log10 (
V oltajeRecibido
)
1V
11
dB
1.0
-6
0.5
-12
0.25
-18
0.125
-24
0.0625
3 Estadstica Grca
As como se analiz los datos en el formato .wav, se hizo necesario realizar un
programa que sea capaz de analizar los datos que se conseguan en bruto del
programa RadioSkyPype, donde los datos se encontraban distribuidos en tres
columnas. La primera columna representa la fecha de la medicin, la segunda
representa la hora en UT y la tercera el valor en SkyPipeUnits. Si el archivo a
analizar no cumple las especicaciones exigidas por el programa un error ser
elevado como se apreciar a continuacin.
Pueden surgir errores de compatibilidad debido al uso del cdigo en otros computadores, pero en s el programa es universal (fue probado en computadores
con distinta resolucin). Podra haber algn error relacionado con el formato de
los datos, por ello el programa exige que los datos sean procedentes de SkyPipe.
En futuras versiones el programa ser capaz de ejecutarse en Windows sin la
necesidad de tener python instalado. Tambin se aspira a convertir el programa
en un binario para aumentar su universalidad.
12
Tambin
P = kT B
Donde:
P
k
es la potencia
(W ).
es la constante de Boltzmann
(1.38 1023
J
K ).
La primera
El histograma de frecuencias.
13
Figura 8: Ejemplo
Las expli-
3.1.1 SYS
=================================================
import
sys
=================================================
if
sys . version_info [ 0 ]
from
else :
from
<
Tkinter
import
tkinter
import
3:
=================================================
sys . exit ()
=================================================
14
sys.version_info,
Este comando
emite para los tres primeros datos los tres componentes de la versin de Python
del sistema, por ejemplo, si su versin actual de Python es 2.7.8, cuando ejecute
break
optimizar su funcionamiento.
3.1.2 Tkinter
Como se vio en la subsubseccin anterior, se importa
Tkinter
dependiendo de
r o o t = Tk ( )
m = t k F i l e D i a l o g . a s k o p e n f i l e ( p a r e n t=r o o t , mode= ' r b ' , t i t l e = ' . . . ' )
root . destroy ()
=================================================
b u r n = Tk ( )
b u r n . p r o t o c o l ( 'WM_DELETE_WINDOW' ,
andother )
i s %s %s
and
your
Mean
L2 = L a b e l ( burn ,
i s %s %s
and
your
Mean . . . "
L3 = L a b e l ( burn ,
t e x t=" Your
observation
B1 = B u t t o n ( burn ,
t e x t=" Q u i t " ,
B2 = B u t t o n ( burn ,
t e x t=" A n o t h e r
started
bg=" r e d " ,
File " ,
in
f g=" w h i t e "
Deviation
%... "
, command=a n d o t h e r )
bg=" b l u e " , . . . )
L1 . g r i d ( c o l u m n s p a n =2)
L2 . g r i d ( c o l u m n s p a n =2)
L3 . g r i d ( c o l u m n s p a n =2)
burn . g r i d _ c o l u m n c o n f i g u r e ( 1 ,
B1 . g r i d ( row =3 ,
s t i c k y=E)
B2 . g r i d ( row =3 ,
column =1 ,
burn . g r i d _ r o w c o n f i g u r e ( 4 ,
w e i g h t =1)
s t i c k y=W)
burn . g r i d _ c o l u m n c o n f i g u r e ( 0 ,
w e i g h t =1)
w e i g h t =1)
burn . m a i n l oo p ( )
Para entender la mayor parte del cdigo expuesto es necesario investigar la documentacin de
Tkinter.
15
is . . . "
link
http://effbot.org/tkinterbook/.
se usa
que es
que
dother,
another
an-
cionamiento de la funcin
graphic(),
descritas.
Bsicamente lo que se hace en esta seccin es aadir el texto que ir en la interfaz
grca ms los botones que tienen las funciones
another
andother
para salirse
3.1.3 Matplotlib
Pyplot
Este es un mtodo de Matplotlib muy conocido por las personas que gracan,
por lo que no explicar en mucho detalle lo concerniente a este mtodo.
nuevo adjunto la documentacin de la librera
http://matplotlib.org/
De
en
1.
analysis(phase,
backends.backend_tkagg
FigureCanvasTkAgg:
16
c a n v a s = FigureCanvasTkAgg ( f ,
Usada en la funcin
del
2.
plot
graphic()
m a s t e r = burn )
en la ventana emergente (
burn )
NavigationToolbar2TkAgg:
t o o l b a r = NavigationToolbar2TkAgg ( canvas ,
Se le inserta abajo del
plot
burn )
plot
como guardar,
graphic().
plt.show() ),
3.1.4 Numpy
Esta librera es usada para tres detalles muy importantes:
Es capaz de realizar arreglos, que aumentan la eciencia y facilitan el trabajo
con la inmensa cantidad de datos que se pueden recibir de un .txt promedio.
mirai ,
sekai ,
v a r i e n = np . l o a d t x t ( t ,
d t y p e=" s t r i n g " ,
unpack=True )
prepair(t).
return
to )
np . l i b . p o l y v a l ( np . l i b . p o l y f i t ( t o ,
be ,
10) ,
t(to, be),
3.2 Funciones
A continuacin se describirn las funciones de las que est compuesta el cdigo.
Hay bastante informacin encontrada en forma de comentarios a lo largo del
cdigo, por lo que se recomienda leerlos.
3.2.1 Choose()
Esta funcin se encarga de realizar la interfaz para seleccionar el archivo con
ayuda de
askopenle()
visto en
Tkinter.
17
3.2.2 Prepair(t)
Esta funcin toma el
return
tratamiento a los datos brutos para que estos puedan ser analizados por nuestra
siguiente funcin.
def p r e p a i r ( t ) :
try :
mirai ,
sekai ,
v a r i e n = np . l o a d t x t ( t ,
except :
raise
timein ,
timeout = s e k a i [ 0 ] ,
but
couldn ' t
s e k a i [ 1]
s e k a i = np . a r r a y ( [ x . r e p l a c e ( " , " ,
" . ")
v a r i e n = np . a r r a y ( [ x . r e p l a c e ( " , " ,
s e k a i = np . a r r a y ( [ x . r e p l a c e ( " : " ,
droptek =
for
in
" . ")
" ,")
d t y p e=" s t r i n g " ,
unpack
the
unpack=True )
files .
for x in s e k a i ] )
for x in v a r i e n ] ,
for x in s e k a i ] )
:( ")
d t y p e=" f l o a t " )
[]
sekai :
l i s t ( i t e r t o o l s . chain ( droptek ) )
float ( x ) for x in d r o p t e k ]
snowblind =
for
[]
in xrange ( 0 , len ( d r o p t e k ) ,
3):
d t y p e=" f l o a t " )
for
s n o w b l i n d = np . a r r a y ( [ xs n o w b l i n d [ 0 ]
return
snowblind ,
varien ,
mirai ,
timein ,
in
snowblind ] )
timeout
3.2.3 Analysis()
Esta funcin se encarga de sacar promedio, desviacin estndar y las grcas
que, con ayuda de la funcin
def
a n a l y s i s ( phase ,
t()
twelve ,
day ,
may ,
gs ) :
funtion
makes
the
histogram ,
the
simple
plot
and
all
the
the
graphics
gauss
about
campane .
"""
myst = 0
a,
b =
sum ( t w e l v e ) 1 . , len ( t w e l v e ) 1 .
mean = a / b
o =
for
[]
x
in
twelve :
o . append ( ( xmean ) 2 )
18
the
stadistic
o = (
sum ( o ) / ( len ( t w e l v e ) 1 ) ) . 5
drey =
[]
for
in
" SkyPipe
Units
(SPU) " ,
" Power
(W) " }
twelve :
d r e y = np . a r r a y ( d r e y )
moon =
f i t ( phase ,
twelve )
spacement = p r e p r o c e s s i n g . s c a l e ( drey )
#S t a n d a r d i z a t i o n l o o k t h i s :
#h t t p : / / s c i k i t l e a r n . org / s t a b l e / modules / p r e p r o c e s s i n g . html
p l t . s u b p l o t ( g s [ 0 , may ] )
p l t . p l o t ( phase ,
twelve ,
p l t . p l o t ( phase ,
moon ,
" r " ,
label
= " Line
across
the
data " )
label
Time
( $\ Delta
p l t . l e g e n d ( f o n t s i z e =10)
plt . t i t l e ( r" Relation
Between
t$ )
f o n t s i z e =12)
f o n t s i z e =10)
p l t . y l a b e l ( c o m p l e t e m e n t [ day ] ,
f o n t s i z e =10)
p l t . s u b p l o t ( g s [ 1 , may ] )
p l t . t i t l e ( " Histogram " ,
p l t . h i s t ( twelve ,
f o n t s i z e =10)
b i n s =200 ,
h i s t t y p e=" b a r " ,
c o l o r=" v i o l e t " ,
o r i e n t a t i o n=" v e r t i c a l " )
Repeated " ,
f o n t s i z e =10)
p l t . s u b p l o t ( g s [ 2 , may ] )
p l t . t i t l e ( " Gauss ' s
Campane" ,
p l t . h i s t ( spacement ,
b i n s =200 ,
h i s t t y p e=" b a r " ,
p l t . y l a b e l ( " Times
mean ,
o,
c o l o r=" v i o l e t " ,
o r i e n t a t i o n=" v e r t i c a l " )
Repeated " ,
p l t . x l a b e l ( c o m p l e t e m e n t [ day ] ,
return
f o n t s i z e =10)
f o n t s i z e =10)
f o n t s i z e =10)
c o m p l e t e m e n t [ day ]
3.2.4 Graphic()
analysis()
Tkinter.
19
def
graphic ( ) :
a p p e a r s = v a r i e n boltzmann 6 e3
f = p l t . f i g u r e ( f i g s i z e =(20 ,20))
gs = p l t . GridSpec ( 3 ,
2)
mean1 ,
o1 ,
comp1 = a n a l y s i s ( s n o w b l i n d ,
varien ,
mean2 ,
o2 ,
comp2 = a n a l y s i s ( s n o w b l i n d ,
appears ,
0,
gs )
1,
gs )
b u r n = Tk ( )
def
another ( ) :
burn . d e s t r o y ( )
def
andother ( ) :
burn . d e s t r o y ( )
sys . exit ()
b u r n . p r o t o c o l ( 'WM_DELETE_WINDOW' ,
andother )
m a s t e r = burn )
t o o l b a r = NavigationToolbar2TkAgg ( canvas ,
burn )
L1 = L a b e l ( burn ,
t e x t=" Your Mean
%(
i s %s %s
and
your
Mean
Deviation
i s %s %s "
i s %s %s
and
your
Mean
Deviation
i s %s %s "
L2 = L a b e l ( burn ,
t e x t=" Your Mean
%(
L3 = L a b e l ( burn ,
t e x t=" Your
%( t i m e i n ,
observation
timeout ,
started
i n %s
and
finished
B1 = B u t t o n ( burn ,
t e x t=" Q u i t " ,
B2 = B u t t o n ( burn ,
t e x t=" A n o t h e r
bg=" r e d " ,
File " ,
f g=" w h i t e "
bg=" b l u e " ,
L2 . g r i d ( c o l u m n s p a n =2)
L3 . g r i d ( c o l u m n s p a n =2)
burn . g r i d _ c o l u m n c o n f i g u r e ( 1 ,
s t i c k y=E)
B2 . g r i d ( row =3 ,
column =1 ,
w e i g h t =1)
s t i c k y=W)
burn . g r i d _ c o l u m n c o n f i g u r e ( 0 ,
burn . g r i d _ r o w c o n f i g u r e ( 4 ,
w e i g h t =1)
w e i g h t =1)
c a n v a s . g e t _ t k _ w i d g e t ( ) . g r i d ( row =4 ,
c o l u m n s p a n =2 ,
s t i c k y=W)
t o o l b a r . g r i d ( c o l u m n s p a n =2)
burn . m a i n l oo p ( )
3.2.5 Loop
while
True :
snowblind ,
varien ,
mirai ,
timein ,
timeout = p r e p a i r ( choose ( ) )
20
(UT) "
, command=a n d o t h e r )
f g=" w h i t e " ,
L1 . g r i d ( c o l u m n s p a n =2)
B1 . g r i d ( row =3 ,
i n %s %s
mirai [ 0 ] ) )
command=a n o t h e r )
4 Conclusiones
Client Mode
Server Mode
recibir datos provenientes de otros computadores funcionando como servidores en vivo por medio de una conexin TCP/IP o transmitir los datos
recibidos a otros colegas, respectivamente.
Durante la toma de datos se apreciaron algunos picos de intensidad identicados como aumentos repentinos en la emisin de ondas de radio, provenientes quiz de algn evento solar.
5 Referencias
http://lac.linuxaudio.org/2011/download/python_for_audio_signal_
processing.pdf
http://stackoverflow.com/questions/9690413/trying-to-use-fft-to-analyze-audio-signal-i
http://samcarcagno.altervista.org/blog/basic-sound-processing-python/
?doing_wp_cron=1411220939.3383259773254394531250
http://lac.linuxaudio.org/2011/papers/40.pdf
21
https://github.com/alejandroc137/IntroduccionPythonKL
http://radiojove.gsfc.nasa.gov/education/lesson_plans/lesson7.
pdf
https://onedrive.live.com/view.aspx?Bsrc=Share&Bpub=SDX.SkyDrive&
resid=7E94A92EB2CD14CD!122&cid=7e94a92eb2cd14cd&app=PowerPoint&
authkey=!AqFKlx2I4W6VivM
22