# Frage 3

# Erstellen Sie in einer Reihe und 2 
# Spalten die folgenden zwei Abbildungen (Abb 3.1):

# (a) Die Dauer als Funktion der 
# F1-Werte zum zeitlichen Mittelpunkt 
# der "a" Vokalen von Sprecher 67.

par(mfrow=c(1,2))

d = dur(vowlax)
mid = dcut(vowlax.fdat[,1], .5, prop=T)
temp = vowlax.l == "a" & vowlax.spkr == "67"
plot(d[temp], mid[temp], xlab="Dauer (ms)", ylab="F1 (Hz)")


#  Würden Sie sagen, es liegt 
# eine Beziehung zwischen diesen 
# beiden Variablen vor? Was könnte die 
# physiologische Erklärung für diese Beziehung sein?
# Ja die scheinen miteinander korreliert zu sein.
# F1 ist mit einer groesseren Mundoeffnung und daher
# Kiefersenkung korreliert. Je weiter der Kiefer senken
# muss, umso laenger dauert es 
# (da der Kiefer sehr traege ist).
# Abgesehen von dieser Abb. dies ist auch zum Teil der
# Grund weshalb zB hohe Vokale kuerzer als offene sind.

# (b) Ellipse Abbildungen aller
#  Diphthonge für Sprecherin 68 
# für die Werte zum 9/10 der gesamten 
# Dauer (Zeitpunkt 90%) entnommen. 
dip9 = dcut(dip.fdat[,1:2], 0.9, prop=T)
temp = dip.spkr=="68"
eplot(dip9[temp,], dip.l[temp], centroid=T, form=T, xlab="F2 (Hz)", ylab="F1 (Hz)")

# Welche phonetischen Faktoren 
# könnten diese Unterschiede 
# zwischen den Diphthongen in dieser Abbildungen verursachen?
# Der zweite Komponent variiert 
# in der Frontierung und Lippenrundung:
# vorne und ungerundet fuer [I] hinten
# vorne und gerundet fuer [Y]
# hinten und gerundet fuer [U].
# Und vordere und ungerundete Vokalen sind mit hohem
# F2 assoziiert.

# 4
# (a) eine zweispaltige Matrix der F1 und F2 Werte den "aI" und "aU"
# Diphthongen 1/3 der Gesamtdauer nach dem Diphthong-Onset entnommen für
# Sprecherin 68. Erstellen 
# Sie einen Vektor der Diphthong-Etikettierungen, 
# der zu dieser Matrix parallel ist.

temp = dip.spkr == "68" & dip.l %in% c("aI", "aU")
dip3 = dcut(dip.fdat[temp,1:2], 1/3, prop=T)
dip3.l = dip.l[temp]

# (b) ebenfalls eine zweispaltige Matrix 
# der F1 und F2 Werte dem zeitlichen 
# Mittelpunkt von "a" Vokalen entnommen 
# auch für Sprecherin 68. Erstellen Sie 
# einen Vektor der Etikettierungen, 
# der zu dieser Matrix parallel ist.

temp = vowlax.l == "a" & vowlax.spkr == "68"
aform = dcut(vowlax.fdat[temp,1:2], .5, prop=T)
aform.l = vowlax.l[temp]

# (c) Indem Sie die rbind() und 
# c() Funktionen auf die Matrizen und 
# Vektoren in (a) und (b) anbringen, 
# erstellen Sie in einer Abbildung 
# (Abb. 4) im F2 x F1 Raum die Werte 
# und Ellipsen dieser  "ai", "aU",  und "a" Daten. 
beide = rbind(dip3, aform)
beide.l = c(dip3.l, aform.l)
par(mfrow=c(1,1))
eplot(beide, beide.l, form=T, dopoints=T, xlab="F2 (Hz)", 
ylab="F1 (Hz)")

# Die Abbildung zeigt, dass "aI" und "aU" etwas 
# nach links und rechts im Vergleich zu "a" 
# in diesem Raum verteilt sind. 
# Welche phonetischen Faktoren könnten 
# diesen Unterschieden zugrunde liegen?
# Der zweite Komponent vom Diphthong.

# 5.2 Die Standardabweichung 
# von F2 für die ersten 
# 10 Segmente der Diphthonge 
# in der Trackdatei dip.fdat 
trapply(dip.fdat[1:20,2], sd, simplify=T)

# 5.3 Das f0-Maximum in Segmenten 
# 14, 19, 23 der Diphthonge 
# in der Trackdatei vowlax.fund
trapply(vowlax.fund[c(14, 19, 23)], max, simplify=T)

# 5.4 Der F1-Median in dem 
# zeitlichen ersten Drittel der Diphthonge 
# (einen Wert pro Diphthong)
trapply(dcut(dip.fdat[,1], 0, 1/3, prop=T), median, simplify=T)

# 5.5 Der F2-Bereich 
# für ein Intervall ± 10 ms 
# jenseits des zeitlichen Mittelpunkts 
# vom Vokal in der Trackdatei vowlax.fdat
m = (start(vowlax.fdat)+end(vowlax.fdat) )/2
trapply(dcut(vowlax.fdat[,2], m - 10, m+10), range, simplify=T)

# 5.6 Das dB-RMS Maximum für 
# "a" Vokale von Sprecherin 68 
# in der Trackdatei vowlax.rms 

temp = vowlax.l=="a" & vowlax.spkr == "68"
trapply(vowlax.rms[temp,], max, simplify=T)

# 5.7 Erstellen Sie eine neue Trackdatei F2 - F1 (F2 minus F1) 
# aus der Trackdatei dip.fdat und 
# berechnen Sie den Mittelwert  davon 
# (einen Wert pro Segment) 
# für den Diphthong "aU" 
# (dip.l ist der Vektor der Etikettierungen, der dazu parallel ist).
neu = dip.fdat[,2]-dip.fdat[,1]
temp = dip.l == "aU"
trapply(neu[temp,], mean, simplify=T)

# 5.8
mfun <- function(daten, fun=max)
{
zeiten = tracktimes(daten)
temp = daten == fun(daten)
zeiten[temp]
}

# (a) Berechnen Sie die Zeitpunkte, zu denen F2 ein Maximum hat in allen 
# Segmenten von vowlax.fdat (einen Zeitpunkt pro Segment).
zeiten = trapply(vowlax.fdat[,2], mfun, simplify=T)

# (b) Erstellen Sie eine Matrix 
# der F1 und F2 Werte (410 Reihen, 
# eine Reihe pro Segment und zwei Spalten), 
# die zu diesen Zeitpunkten vorkommen (siehe 4.2, S. 10).
dcut(vowlax.fdat[,1:2], zeiten)

# 5.9
dreifun <- function(x, k=3)
{
mean(mean(x[1:k]))
}
# Berechnen Sie den Mittelwert 
# der ersten 3 Frames von F2 
# für die ersten 20 Segmente 
# von vowlax.fdat 
# (also einen Wert, den Mittelwert der ersten 3 Frames, pro Segment).
trapply(vowlax.fdat[1:20,2], dreifun, simplify=T)