A2B31SMS 6. PŘEDNÁŠKA 5. listopadu 2015 Hlas a řeč hlasivkový tón, formanty, zpěvní formant Formantové syntézy Klattův formantový syntetizér
|
|
- Barbora Machová
- před 8 lety
- Počet zobrazení:
Transkript
1 AB3SMS 6. PŘEDNÁŠKA 5. listopadu 5 Hlas a řeč hlasivkový tón, formanty, pěvní formant Formantové syntéy Klattův formantový syntetiér Číslicové IIR filtry vyšších řádu filtry se dvěma póly (filtry s více póly) řaení filtrů Aplikace banka filtrů (reonátorů) filtrační syntéy s časově prom. filtry formantové syntéy (samohlásky, nástroje) potlačení šumů
2 Hlasové ústrojí Artikulační ústrojí
3 Vnik hlasivkového tónu
4 Hlasové ústrojí Akustický model artikulačního ústrojí hlasitost F F, F, F3, F4
5 Hlasové ústrojí
6 Hlasové ústrojí Spektrum hlasivkového tónu + spektrum vokálního traktu F F, F, F3, F4 energie parametry hlasu
7 Generování samohlásek A E I O U Audio demonstrace modifikace harmonického droje tvarováním hlasového ústrojí [San Franciso Exploratorium]
8 O U A E I
9 Základní hlasivkový tón ` typ f [H] min f [H] max f [H] muži 5 8 ženy děti 3 5. Rosah hlasivkového tónu v řeči Změny v rychlosti kmitání hlasivek vnímáme jako měny v ákladní periodě hlasivkového tónu, resp. v ákladní frekvenci f. Základní perioda je ovlivněna vlastnostmi hlasivek (jejich pružností, hmotností a délkou).
10 Základní hlasivkový tón `. Rosah hlasivkového tónu v řeči
11 Základní hlasivkový tón samohlaska "a" perioda samohlasky "a" > cas [s] > cas [s] T = /f 8 6 f f f = /T amplitudove spektrum f 3.5 f amplitudove spektrum f f 3 4 f > frekvence [H] > frekvence [H]. Vtah ákladní frekvence, ákladní periody a formantových frekvencí vlevo: časový průběh a periodogram pro dlouhý samohláskový úsek vpravo: časový průběh a periodogram pro jednu periodu
12 ---> frekvence [H] ---> frekvence [H] ---> frekvence [H] ---> frekvence [H] Základní hlasivkový tón slovo "jedna" > cas [s] > cas [s] > cas [s] samohlaska "a" > cas [s] > cas [s] > cas [s].: širokopásmový (horní) a úkopásmový (dolní) spektrogram. Vpravo je obraení pro slovo jedna, vlevo je detail samohlásky a
13 vystup vystup vystup vystup Základní hlasivkový tón Předpracování signálu a jeho detekce délka okna by měla být alespoň ms normování signálu odstranění stejnosměrné složky často diferenciátor dolní propust s mení frekvencí do 5 H (event. pásmová propust či banka filtrů) pro většení rolišení se někdy provádí interpolace abychom potlačili formantovou strukturu řeči, provádíme spektrální ploštění pomocí růných nelineárních technik vstup - - vstup vstup - - vstup
14 Základní hlasivkový tón a jeho detekce a) normování řečového signálu b) umocnění na třetí c) signál, který je menší než prahová úroveň je omeen a výsledný signál je usměrněn samohlaska "a" > cas [s] 5-5 kubicke nelinearni kresleni > cas [s] 4 centralni omeeni > cas [s]
15 Základní hlasivkový tón a jeho detekce d) trojúhelníkovým FIR filtr potlačení ostrých špiček e) naleení všech lokálních maxim f) logická filtrace.5.5 "romaani spicek" FIR filtrem > cas [s].5 naleeni lokalnich maxim > cas [s].5 detekce periody akladniho tonu > cas [s] citlivost na nastavení rohodovacích úrovní a prahů pro daný signál a určitou apl.
16 Základní hlasivkový tón a jeho detekce Autokorelace nejčastěji používaná metoda detekce ákladní periody Autokorelační funkce udává míru toho, jak jsou jednotlivé úseky signálu mei sebou vájemně korelovány. R(n,m) = (s(k)w(n-k))(s(k+m)w(n-k+m)) k = - Je-li vstupní signál periodický s periodou P, nabývá tato funkce maximálních hodnot pro m =, P, P,.... Předpokládá se, že mikrosegment je dlouhý aspoň dvě periody signálu.
17 Základní hlasivkový tón a jeho detekce Příklad detekce ákladní periody pomocí algoritmů s dvojí transformací a nelineárním kreslením ve frekvenční oblasti
18 Základní hlasivkový tón X 3 = sqrt( S ) X = ln S a jeho detekce.5 f X = S 5 x x x > f [H] > cas [ms] Obray samohlásek (vlevo) a výsledné průběhy po dvojí transformaci a nelineárním kreslení ve frekvenční oblasti (vpravo). První řádek odpovídá autokoleračním metodám, druhý kepstrálním a třetí průběh ískáme po provedení čtvrté odmocniny výkonového spektra
19 4.odmocnina kepstrum ACF signal Základní hlasivkový tón a jeho detekce Postprocessing > cas [s].: Detekce ákladní frekvence v promluvě jaro už je tady pomocí metod s dvojí transformací a nelineárním kreslením. Plnou čarou je obraen výstup detektorů, čárkovaně je obraen výstup po filtraci pětibodovým mediánovým filtrem.
20 Určování formantových frekvencí Formanty jsou naývány energeticky výnamné frekvence, které odpovídají reonančním frekvencím hlasového ústrojí.
21 Určování formantových frekvencí Orientační hodnoty formantů českých samohlásek I E A O U F F F
22 [db] Porovnání formantových frekvencí v DFT, LPC a kepstrálně vyhlaených odhadech amplitudových spekter pro samohlásku a 5 4 F F DFT DFT F3 DFT F LP F LP F3 LP DFT LP cep 3 F4 DFT F4 LP F cep F cep F4 cep - F3 cep > frekvence [H]
23 frekvence [H] frekvence [H] 4 X s e s t a l e v i c e v d a l u j i X cas [s] Formantové frekvence ískané pomocí LPC analýy. řádu (výpočtem kořenů polynomu) pro okno délky 3 ms a překrytí 6 ms 4 X s e s t a l e v i c e v d a l u j i X cas [s] Formantové frekvence určené vrcholů kepstrálně vyhlaeného frekvenčního spektra (parametry analýy: 3 bodů DFT, 3 kepstrálních koeficientů, Hammingovo okno 3 ms, překrytí 6 ms)
24 frekvence [H] Trasování formantů pomocí adaptivní banky filtrů 4 X s e s t a l e v i c e v d a l u j i X cas [s]
25 Zpěvní hlas Vnik harmonických tónů kmitání hlasivek (ákladní frekvence a prvotní harmonická struktura tónů) vokální trakt (esilování harmonických frekvencí v jeho reonančních oblastech) spektrum harmonických tónů ávisí na velikosti a tvaru reonančních prostor
26 Zpěvní hlas
27 Přechod nepěvecké techniky v pěveckou
28 Akustické měny při operním pěvu - sblížení až propojení 3 původně oddělených reonancí vokálního traktu - vytvoření pěveckého formantového shluku - spojení 3., 4. a 5. formantu - navýšení akustické energie v oblasti kolem 3 kh až o db
29 Akustické měny při operním pěvu - sblížení až propojení 3 původně oddělených reonancí vokálního traktu - vytvoření pěveckého formantového shluku - spojení 3., 4. a 5. formantu - navýšení akustické energie v oblasti kolem 3 kh až o db
30 Tvarové rodíly mei jednotlivými druhy pěvu
31 Tvarové rodíly mei jednotlivými druhy pěvu
32 Tvarové rodíly mei jednotlivými druhy pěvu
33 Tvarové rodíly mei jednotlivými druhy pěvu
34 Tvarové rodíly mei jednotlivými druhy pěvu
35 Tvarové rodíly mei jednotlivými druhy pěvu
36 Tvarové rodíly mei jednotlivými druhy pěvu
37 Akustické měny při operním pěvu Závěry s porovnáním naivního a školeného pěvu ve fonujícím hlasotvorném traktu - sestup hrtanu - přitlačení jayka ke spodině - vednutí měkkého patra - posud brady dolů a vad - vyrovnání páteře
38 Akustické měny při operním pěvu Závěry s porovnáním naivního a školeného pěvu ve fonujícím hlasotvorném traktu - sestup hrtanu - přitlačení jayka ke spodině - vednutí měkkého patra - posud brady dolů a vad - vyrovnání páteře Školený pěv se liší od naivního pěvu výnamných většením objemu reonančních prostor nad hlasivkami a to všemi směry nahoru a dolů, dopředu a doadu
39 F (ACF) signal > cas [s]
40 Frequency Time
41 F (ACF) signal > cas [s]
42 Frequency Time
43 Fundamental Frequency (H) S použitím programu specsynt.m určení formantů všech samohlásek Left-line draw, Right-quit draw F4 F3 F F Time (ms) clear, close all y = wavread('samohlasky8.wav'); specsynt
44 Fundamental Frequency (H) Syntéa samohlásek Left-line draw, Right-quit draw F4 F3 F F Time (ms)
45 Fundamental Frequency (H) Syntéa samohlásek Left-line draw, Right-quit draw F4 F3 F F 5 Time (ms) clear, close all y = wavread('rosah8.wav'); y = y(:); specsynt
46 IIR filtr s jedním pólem (pohyb pólu po reálné ose)
47 IIR filtr s jedním pólem a jednou nulou (pohyb nuly a pólu po reálné ose)
48 Filtr se dvěma póly - reonátor
49 Filtr se dvěma póly y pásmová propust IIR [ n] x[ n] a y[ n ] a y[ n ] H( ) j j re re a a f f s a r cos a r
50 H( ) Filtr se dvěma póly pásmová propust IIR j j j j re re re re r
51 sin cos sin cos ) ( r j j r r re re re re H j j j j Filtr se dvěma póly pásmová propust IIR
52 cos sin cos sin cos ) ( r r r j j r r re re re re H j j j j Filtr se dvěma póly pásmová propust IIR
53 cos sin cos sin cos ) ( a a r r r j j r r re re re re H j j j j Filtr se dvěma póly pásmová propust IIR
54 cos sin cos sin cos ) ( a a r r r j j r r re re re re H j j j j r a f s f cos r a Filtr se dvěma póly pásmová propust IIR
55 Filtr se dvěma póly pásmová propust IIR cos sin cos sin cos ) ( a a a a r r r j j r r re re re re H j j j j r a f s f cos r a
56 8 r,975 Filtr se dvěma póly (tlumené oscilace) r 8,95 8 r,95
57 Filtr se dvěma póly - reonátor (netlumené oscilace) 8 r,5 8 r,5 8 r,75
58 Filtr se dvěma póly - reonátor (konstantní koeficient a ) a cos( / 6) a a cos( / 4) a a cos( /3) a
59 Filtr se dvěma póly - reonátor (konstantní koeficient a ) a cos( / 4) a,8 a cos( / 4) a a cos( / 4) a,
60 Pohyb pólů (konstantní úhel; růný poloměr)
61 Pohyb pólů po kružnici (růný úhel; konstantní poloměr)
62 Pohyb nul IIR filtru (po reálné ose)
63 IIR s více póly (pohyb vybraných pólů po ose)
64 IIR s více póly (pohyb vybraných pólů po kružnici)
65 Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part -rovina reonátorů - - Real Part - - Real Part - - Real Part - - Real Part - - Real Part - - Real Part - - Real Part - - Real Part - - Real Part
66 Amplitudové charakteristiky reonátorů
67 Analýa harmonických Time h h h3 h4 h5 h6 h7 h8 h9.4.
68 frekvence vitr F Filtrační syntéa větru > cas [s]
69 Filtrační syntéa větru clear, fs = 8; % vorkovaci frekvence [H] doba = ; % doba trvani tonu [s] x=*rand(,fs*doba)-; % generovani bileho sumu nt=:/fs:doba-/fs; % casova osa % souradnice ridicich bodu sily vetru X=[ ]; Y=[ ]; Fmin=; Fmax=9; y=(fmax-fmin)*y+fmin; % casovy prubeh interpolovane ridici frekvence fr=interp(x,y,nt/nt(end));
70 Filtrační syntéa větru % navrh reonatoru B = ; % sirka pasma reonatoru R = -B*pi/fs; % vypocet polomer polu a =-*R*cos(*pi*fr/fs); % vypocet koeficientu b=(-r)*sqrt(r*(r-4*cos(*pi*fr/fs)+)+); % norm.koeficient y=eros(,length(x)); for n=3:length(x) y(n)=b(n)*x(n)-a(n)*y(n-)-(r.^)*y(n-); end
71 frekvence vitr Filtrační syntéa vln 4 A B fr x > cas [s]
72 Filtrační syntéa vln % souradnice ridicich bodu X =[ ]; % casova osa Y_A=[ ]; % amplituda Y_B=[ ]; % sirka pasma Y_f=[8 8 ]; % reonancni frekvence % casovy prubeh interpolovane ridici amplitudy G=interp(X,Y_A,nT/nT(end)); % casovy prubeh interpolovane sirky pasma B=interp(X,Y_B,nT/nT(end)); % casovy prubeh interpolovane ridici reonancni f fr=interp(x,y_f,nt/nt(end));
73 Filtrační syntéa vln x=*rand(,fs*doba)-; for n=3:length(x) R(n) = -B(n)*pi/fs; % vypocet polomer polu a(n) =-*R(n)*cos(*pi*fr(n)/fs); % vypocet koeficientu b(n)=(-r(n))*sqrt(r(n)*(r(n)-4*cos(*pi*fr(n)/fs)+)+); % norm.koeficient y(n)=g(n)*(b(n)*x(n)-a(n)*y(n-)-(r(n).^)*y(n-)); end
74 Filtrační syntéa Aplikace s šumem reonátory a obálkami buben činel
75 Filtrační syntéa 8 řídící frekvence déšť
76 Filtrační syntéa hodiny Fr=35; B = 55; Fr=3; B = 75;
77 Frequency housle Filtrační syntéa % filtr (model housli) %%%%%%%%%%%%% F = [5, 5, 3, 4]; BW = [3,, 7, 5]; Time x 4
78 Filtrační syntéa klarinet % navrh reonatoru fr = 9; % reonancni frekvence B = ; % sirka pasma reonatoru
79 Syntéa strojů vlak letadlo
80 Syntéa materiálu dřevo kov sklo
81 Potlačení šumu v řeči bankou filtrů
82 Potlačení šumu v řeči bankou filtrů
83 Potlačení šumu v řeči bankou filtrů banka filtrů Dilci normovane propusti
84 Potlačení šumu v řeči bankou filtrů pracování signálů v i-tém pásmu
85 Potlačení šumu v řeči bankou filtrů
86 Potlačení šumu v řeči bankou filtrů
87 Potlačení šumu v řeči bankou filtrů
88 Potlačení šumu v řeči bankou filtrů
89 Potlačení šumu v řeči bankou filtrů III (generování rušení) %%%%%%%%%%%%%%%%%% GENEROVANI SUMU %%%%%%%%%%%%%%%%%%%% k_noise=.; sig=input(' = sinusove ruseni; = nahodny sum... ') if sig==, noise=k_noise*randn(length(xc),); end; if sig==, % rusivy signal 8H noise=sqrt()*k_noise*sin(*pi*(:length(xc)-)*8/8)'; end; x=xc+noise; 'cinitel odstupu signalu k sumu' snr=*log(sum(xc.^)/sum(noise.^))
90 Potlačení šumu v řeči bankou filtrů IV (banka filtrů) f_s=8; % vorkovaci frekvence [kh] P=8; % pocet propusti f_r=f_s/(*p)*(:p-); % vypocet reonancnich frekvenci R=.7; % polomer polu b=-*r*cos(*pi*f_r/f_s); % vypocet koeficientu reonatoru for i=:p % normovani charakteristik Ha(:,i)=(freq(,[ b(i) R.^],8)); Ham(i)=max(abs(Ha(:,i))); % vypocet normovacich koef. Han(:,i)=(freq(/Ham(i),[ b(i) R.^],8)); end; plot(abs(han)); axis tight title('dilci normovane propusti') % obraeni ampl. Dilci normovane frekvencnich propusti ch
91 Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Imaginary Part Potlačení šumu v řeči bankou filtrů (banka filtrů) for k=:p % obraeni impulsnich charakteristik subplot(3,3,k), imp([ ],[ b(k) R.^]) end; % obraeni -roviny for k=:p subplot(3,3,k), plane([ ],[ b(k) R.^]) end;.5. pasmo 4 --> n 4. pasmo > n.5 7. pasmo.5. pasmo 4 --> n 5. pasmo > n 8. pasmo.5 3. pasmo 4 --> n 6. pasmo > n Real Part - Real Part Real Part - Real Part Real Part - Real Part > n > n - - Real Part - - Real Part
92 Potlačení šumu v řeči bankou filtrů (stanovení meí v pásmech) %%%%%% FILTRACE A VYPOCET MEZE PRO OREZAVANI %%%%%% k_noise=.; k_int =.8; for i=:p noisef(:,i)=filter(/ham(i),[ b(i) R.^],noise(:)); % filtrace noisefa(:,i)=abs(noisef(:,i)); % usmerneni nff(:,i)=filter(,[ -k_int],noisefa(:,i)); % obalka me(i)=mean(abs(nff(:,i))); end; stem(me) % vypocet mei ve vsech pasmech.4 Mee pro oreavani v jednotlivych pasmech > poradi pasma
93 Potlačení šumu v řeči bankou filtrů (filtrace a roklad do pásem) %%%%%%%%%%%%% POTLACENI SUMU BANKOU FILTRU %%%%%%%%%%%%% %%% FILTRACE A ROZKLAD DO PASEM - VYPOCET OBALEK %%%%%%% for i=:p xf(:,i)=filter(/ham(i),[ b(i) R.^],x); % filtrace xfs(:,i)=sign(xf(:,i)+.); % namenko xfa(:,i)=abs(xf(:,i)); % usmerneni xfaf(:,i)=filter(,[ -k_int],xfa(:,i)); % obalka subplot(4,,i), plot(xfaf(:,i)); axis tight xfafe(:,i)=abs(xfaf(:,i)-me(i)); xr(:,i)=xfafe(:,i).*xfs(:,i); subplot(4,,i), plot(xf(5:,i)) subplot(4,,i), plot(xr(5:,i)); axis tight end; xs=sum(xr'); xfs % orinuti xf xfa xfaf xfafe xr
94 Potlačení šumu v řeči bankou filtrů pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo pasmo
95 Potlačení šumu v řeči bankou filtrů xf xr x xs
96 Frequency ---> f Frequency ---> f Potlačení šumu v řeči bankou filtrů for i=:3 soundsc(x); pause(), soundsc(xs); pause();end; subplot(); specgram(x); subplot(); specgram(xs);.8.8 Spektrogram puvodniho signalu Time > n Spektrogram signalu s potlacenym sumem Time > n
A7B31ZZS 6. PŘEDNÁŠKA 27. října 2014
A7B3ZZS 6. PŘEDNÁŠKA 7. řína 4 Číslicové IIR filtry vyšších řádu filtry se dvěma póly (filtry s více póly) řaení filtrů Aplikace banka filtrů (reonátorů) filtrační syntéy s časově prom. filtry formantové
7. listopadu 2018 Hlas a řeč. Hudební nástroje. Formantové syntézy. Číslicové pásmové propusti. Aplikace
B2M3SYN 6. PŘEDNÁŠKA 7. listopadu 28 Hlas a řeč fonace, prosodie, artikulace hlasivkový tón, formanty Hudební nástroje rozdělení podle vzniku tónu rozsahy, spektra, formanty Formantové syntézy Klattův
B2M31SYN 6. PŘEDNÁŠKA 9. listopadu 2016 Hlas a řeč
BM31SYN 6. PŘEDNÁŠKA 9. listopadu 16 Hlas a řeč fonace, prosodie, artikulace hlasivkový tón, formanty Hudební nástroje rodělení podle vniku tónu rosahy, spektra, formanty Formantové syntéy Klattův formantový
SYNTÉZA AUDIO SIGNÁLŮ
SYNTÉZA AUDIO SIGNÁLŮ R. Čmejla Fakulta elektrotechnická, ČVUT v Praze Abstrakt Příspěvek pojednává o technikách číslicové audio syntézy vyučovaných v předmětu Syntéza multimediálních signálů na Elektrotechnické
31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014
3ZZS 9. PŘEDNÁŠKA 24. listopadu 24 SPEKTRÁLNÍ ANALÝZA Fourierovy řady Diskrétní Fourierovy řady Fourierova transformace Diskrétní Fourierova transformace Spektrální analýza Zobrazení signálu ve frekvenční
Zvuk. 1. základní kmitání. 2. šíření zvuku
Zvuk 1. základní kmitání - vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin - podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění elastického
Kepstrální analýza řečového signálu
Semestrální práce Václav Brunnhofer Kepstrální analýza řečového signálu 1. Charakter řečového signálu Lidská řeč je souvislý, časově proměnný proces. Je nositelem určité informace od řečníka k posluchači
A6M33BIO- Biometrie. Biometrické metody založené na rozpoznávání hlasu I
A6M33BIO- Biometrie Biometrické metody založené na rozpoznávání hlasu I Doc. Ing. Petr Pollák, CSc. 16. listopadu 216-15:16 Obsah přednášky Úvod Aplikace hlasové biometrické verifikace Základní princip
A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014
A7B3ZZS. PŘEDNÁŠKA Návrh filtrů. prosince 24 Návrhy jednoduchých filtrů Návrhy složitějších filtrů Porovnání FIR a IIR Nástroje pro návrh FIR filtrů v MATLABu Nástroje pro návrh IIR filtrů v MATLABu Kvantování
A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014
A7B31ZZS 4. PŘEDNÁŠKA 13. října 214 A-D převod Vzorkování aliasing vzorkovací teorém Kvantování Analýza reálných signálů v časové oblasti řečové signály biologické signály ---> x[n] Analogově-číslicový
1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15
Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních
A2B31SMS 11. PŘEDNÁŠKA 4. prosince 2014
A2B31SMS 11. PŘEDNÁŠKA 4. prosince 214 Číslicové audio efekty Hřebenové filtry Fázovací filtry Dozvuky Konvoluční reverb Schroederův algoritmus modelování dozvuku Číslicové audio efekty Filtrace - DP,
ADA Semestrální práce. Harmonické modelování signálů
České vysoké učení technické v Praze ADA Semestrální práce Harmonické modelování signálů Jiří Kořínek 31.12.2005 1. Zadání Proveďte rozklad signálu do harmonických komponent (řeč, hudba). Syntetizujte
3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU
3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU V současné době se pro potlačení šumu u řečového signálu používá mnoho různých metod. Jedná se například o metody spektrálního odečítání, Wienerovy filtrace,
Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů
Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů Část 1 - Syntéza orchestrálních nástrojů pro symfonickou báseň B.Smetany "Vltava" Cílem této části práce je syntetizovat symfonickou báseň B.Smetany
Laboratorní úloha č. 8: Elektroencefalogram
Laboratorní úloha č. 8: Elektroencefalogram Cíle úlohy: Rozložení elektrod při snímání EEG signálu Filtrace EEG v časové oblasti o Potlačení nf a vf rušení o Alfa aktivita o Artefakty Spektrální a korelační
B2M31SYN SYNTÉZA AUDIO SIGNÁLŮ
B2M31SYN SYNTÉZA AUDIO SIGNÁLŮ zima 2016-2017 Roman Čmejla cmejla@fel.cvut.cz B2, místn.525 tel. 224 3522 36 http://sami.fel.cvut.cz/sms/ A2B31SMS - SYNTÉZA MULTIMEDIÁLNÍCH SIGNÁLŮ zima 2015-2016 http://sami.fel.cvut.cz/sms/
Signál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
Světlo jako elektromagnetické záření
Světlo jako elektromagnetické záření Základní pojmy: Homogenní prostředí prostředí, jehož dané vlastnosti jsou ve všech místech v prostředí stejné. Izotropní prostředí prostředí, jehož dané vlastnosti
Analogové modulace. Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206
EVROPSKÝ SOCIÁLNÍ FOND Analogové modulace PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206 Modulace Co je to modulace?
X31ZZS 3. PŘEDNÁŠKA 6. října Periodické průběhy Fourierovy řady Spektrum Barva zvuku Aplikace
X31ZZS 3. PŘEDNÁŠKA 6. října 214 Periodické průběhy Fourierovy řady Spektrum Barva zvuku Aplikace Fourierovy řady Jean Baptiste Fourier (francouzský matematik 1768-183) Harmonická analýza Libovolný periodický
Fyzikální podstata zvuku
Fyzikální podstata zvuku 1. základní kmitání vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění
VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ
VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSOVÝCH SIGNÁLŮ Jiří TŮA, VŠB Technická univerzita Ostrava Petr Czyž, Halla Visteon Autopal Services, sro Nový Jičín 2 Anotace: Referát se zabývá
JAK VZNIKÁ LIDSKÝ HLAS? Univerzita Palackého v Olomouci
JAK VZNIKÁ LIDSKÝ HLAS? JAN ŠVEC Katedra biofyziky, ik Př.F., Univerzita Palackého v Olomouci HLAS: Všichni jej každodenně používáme, ale víme o něm v podstatě jen málo Studium lidského hlasu Je založeno
filtry FIR zpracování signálů FIR & IIR Tomáš Novák
filtry FIR 1) Maximální překývnutí amplitudové frekvenční charakteristiky dolní propusti FIR řádu 100 je podle obr. 1 na frekvenci f=50hz o velikosti 0,15 tedy 1,1dB; přechodové pásmo je v rozsahu frekvencí
Modulační syntéza 8. prosince 2014
ZZS-12 Modulační syntéza 8. prosince 2014 Amplitudová modulace Syntetické zvony Jednoduché syntetické FM nástroje Syntetické zvuky vítr Kruhová modulace t f f t f f t f t f m c m c c m ) ( 2 cos 2 1 )
Vlastnosti Fourierovy transformace
Vlastnosti Fourierovy transformace Linearita Fourierova transformace je lineární (všechny druhy :-) ), je tedy homogenní a aditivní Homogenita: změna amplitudy v časové oblasti způsobí stejnou změnu amplitudy
A2B31SMS 3. PŘEDNÁŠKA 15. října 2015
A2B31SMS 3. PŘEDNÁŠKA 15. října 215 ADITIVNÍ SYNTÉZA Harmonická analýza Harmonická syntéza Fourierovy řady Spektrum Barva zvuku Aditivní syntéza a spektrální modelování Parciály Fourierovy řady Jean Baptiste
Laboratorní úloha č. 8: Polykardiografie
pletys. dech FKG EKG-II. [mv] Laboratorní úloha č. 8: Polykardiografie Úvod: Polykardiografie je současný záznam několika metod sledujících různé projevy srdečního cyklu. Základem jsou elektrokardiografie,
Náhodné signály. Honza Černocký, ÚPGM
Náhodné signály Honza Černocký, ÚPGM Signály ve škole a v reálném světě Deterministické Rovnice Obrázek Algoritmus Kus kódu } Můžeme vypočítat Málo informace! Náhodné Nevíme přesně Pokaždé jiné Především
Při návrhu FIR filtru řešíme obvykle následující problémy:
Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.
Osnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky
Pulsní kódová modulace, amplitudové, frekvenční a fázové kĺıčování Josef Dobeš 24. října 2006 Strana 1 z 16 Základy radiotechniky 1. Pulsní modulace Strana 2 z 16 Pulsní šířková modulace (PWM) PAM, PPM,
AKUSTICKÁ MĚŘENÍ Frekvenční spektrum lidského hlasu
AKUSTICKÁ MĚŘENÍ Frekvenční spektrum lidského hlasu Stáhněte si z internetu program Praat a Madde (viz seznam pomůcek) a přineste si vlastní notebook. Bez tohoto nelze praktikum absolvovat (pokud budete
DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
DSY-4 Analogové a číslicové modulace Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 analogové modulace základní číslicové modulace vícestavové modulace modulace s rozprostřeným
doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1
doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací
Číslicové filtry. Honza Černocký, ÚPGM
Číslicové filtry Honza Černocký, ÚPGM Aliasy Digitální filtry Diskrétní systémy Systémy s diskrétním časem atd. 2 Na co? Úprava signálů Zdůraznění Potlačení Detekce 3 Zdůraznění basy 4 Zdůraznění výšky
Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM
Spektrální analýza a diskrétní Fourierova transformace Honza Černocký, ÚPGM Povídání o cosinusovce 2 Argument cosinusovky 0 2p a pak každé 2p perioda 3 Cosinusovka s diskrétním časem Úkol č. 1: vyrobit
doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1
doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Elias Tomeh / Snímek 2 Elias Tomeh / Snímek 3 Elias Tomeh / Snímek 4 ZÁKLADNÍ VIBRODIAGNOSTICKÉ MĚŘICÍ METODY Měření celkových
Při návrhu FIR filtru řešíme obvykle následující problémy:
Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.
Zpráva k semestrální práci
ČVUT FEL Zpráva k semestrální práci A2B31SMS Jan Vimr 2017/2018 1. Postup Zadáním semestrální práce byla syntéza libovolného hudebního nástroje pro skladbu: Let čmeláka Nikolaj Rimskij Korsakov, dále odevzdat
Návrh filtrů FIR, metoda okénkování, klasická okna, návrh pomocí počítače. Návrh filtrů IIR, základní typy filtrů, bilineární transformace
6. ČÍSLICOVÉ FILRY MEODY NÁVRHU Návrh diskrétních filtrů - úvod Návrh filtrů FIR, metoda okénkování, klasická okna, návrh pomocí počítače Návrh filtrů IIR, ákladní typy filtrů, bilineární transformace
Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita
Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové
Zpráva k semestrální práci z předmětu Syntéza audio signálů. Vypracoval: Jakub Krista Zimní semestr 2016/2017 Datum odevzdání:
Zpráva k semestrální práci z předmětu Syntéza audio signálů Vypracoval: Jakub Krista Zimní semestr 2016/2017 Datum odevzdání: 31.12.2016 Obsah 1. Úvod... 2 2. Použité druhy syntéz... 3 2.1 Aditivní syntéza...
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)
X31ZZS 7. PŘEDNÁŠKA 10. listopadu 2014
X3ZZS 7. PŘEDNÁŠKA. listopadu 4 Jedoduché číslicové filtry Klouavé průměry Úkopásmové ádrže Difereciátory Hřebeové filtry Karplusův Strogův algoritmus Fáovací filtry Audio efekty aložeé a časovém požděí
Akustika. 3.1 Teorie - spektrum
Akustika 3.1 Teorie - spektrum Rozklad kmitů do nejjednodušších harmonických Spektrum Spektrum Jedna harmonická vlna = 1 frekvence Dvě vlny = 2 frekvence Spektrum 3 vlny = 3 frekvence Spektrum Další vlny
Semestrální práce z předmětu Syntéza audio signálů
Semestrální práce z předmětu Syntéza audio signálů Téma: Syntéza orchestrálních nástojů ve skladbě Vltava od Bedřicha Smetany a syntéza zvuku mouchy Dominik Šmíd zimní semestr 2016/17 Obsah: 1. Úvod 2.
Úvod do praxe stínového řečníka. Proces vytváření řeči
Úvod do praxe stínového řečníka Proces vytváření řeči 1 Proces vytváření řeči člověkem Fyzikální podstatou akustického (tedy i řečového) signálu je vlnění elastického prostředí v oboru slyšitelných frekvencí.
LIDSKÝ HLAS JAN ŠVEC. Oddělení biofyziky, Katedra experimentální fyziky, Př.F., Univerzita Palackého v Olomouci
LIDSKÝ HLAS JAN ŠVEC Oddělení biofyziky, Katedra experimentální fyziky, Př.F., Univerzita Palackého v Olomouci HLAS: Všichni jej každodenně používáme, ale víme o něm v podstatě jen málo Studium lidského
IDENTIFIKACE ŘEČOVÉ AKTIVITY V RUŠENÉM ŘEČOVÉM SIGNÁLU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS
2 Teoretický úvod Základní princip harmonické analýzy Podmínky harmonické analýzy signálů Obdelník Trojúhelník...
Obsah 1 Zadání 1 2 Teoretický úvod 1 2.1 Základní princip harmonické analýzy.................. 1 2.2 Podmínky harmonické analýzy signálů................. 1 3 Obecné matematické vyjádření 2 4 Konkrétní
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722
Základy a aplikace digitálních modulací Josef Dobeš Katedra radioelektroniky (13137), blok B2, místnost 722 dobes@fel.cvut.cz 6. října 2014 České vysoké učení technické v Praze, Fakulta elektrotechnická
polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2
A0M38SPP - Signálové procesory v praxi - přednáška 8 2 Decimace snížení vzorkovací frekvence Interpolace zvýšení vzorkovací frekvence Obecné převzorkování signálu faktorem I/D Efektivní způsoby implementace
Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti
Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů
Fourierova transformace
Fourierova transformace Jean Baptiste Joseph Fourier (768-83) Jeho obdivovatel (nedatováno) Opáčko harmonických signálů Spojitý harmonický signál ( ) = cos( ω + ϕ ) x t C t C amplituda ω úhlová frekvence
1 Zpracování a analýza tlakové vlny
1 Zpracování a analýza tlakové vlny 1.1 Cíl úlohy Prostřednictvím této úlohy se naučíte a zopakujete: analýzu biologických signálů v časové oblasti, analýzu biologických signálů ve frekvenční oblasti,
14 - Moderní frekvenční metody
4 - Moderní frekvenční metody Michael Šebek Automatické řízení 28 4-4-8 Loop shaping: Chování pro nízké frekvence Tvar OL frekvenční charakteristiky L(s)=KD(s)G(s) určuje chování, ustálenou odchylku a
Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady, vlastnosti Vzorkovací
Číslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů
Číslcové zpracování a analýza sgnálů (BCZA) Spektrální analýza sgnálů 5. Spektrální analýza sgnálů 5. Spektrální analýza determnstckých sgnálů 5.. Dskrétní spektrální analýza perodckých sgnálů 5..2 Dskrétní
Algoritmy a struktury neuropočítačů ASN P8b
Algoritmy a struktury neuropočítačů ASN P8b Úvod - přirozená řeč jako zvukový signál Základní pojmy z fonetiky Charakteristiky mluvené řeči Přirozená řeč jako zvukový signál Řeč (speech) - komplex technických,
LPC. Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz. FIT VUT Brno. LPC Jan Černocký, ÚPGM FIT VUT Brno 1/39
LPC Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz FIT VUT Brno LPC Jan Černocký, ÚPGM FIT VUT Brno 1/39 Plán signálový model artikulačního traktu. proč lineární predikce. odhad koeficientů filtru
Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
Komplexní obálka pásmového signálu
České vysoké učení technické v Praze, Fakulta elektrotechnická X37SGS Signály a systémy Komplexní obálka pásmového signálu Daniel Tureček 8.11.8 1 Úkol měření Nalezněte vzorky komplexní obálky pásmového
31SCS Speciální číslicové systémy Antialiasing
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE 2006/2007 31SCS Speciální číslicové systémy Antialiasing Vypracoval: Ivo Vágner Email: Vagnei1@seznam.cz 1/7 Převod analogového signálu na digitální Složité operace,
Primární zpracování radarového signálu dopplerovská filtrace
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE K13137 - Katedra radioelektroniky A2M37RSY Jméno Stud. rok Stud. skupina Ročník Lab. skupina Václav Dajčar 2011/2012 2. 101 - Datum zadání Datum odevzdání Klasifikace
Zpracování obrazů. Honza Černocký, ÚPGM
Zpracování obrazů Honza Černocký, ÚPGM 1D signál 2 Obrázky 2D šedotónový obrázek (grayscale) Několikrát 2D barevné foto 3D lékařské zobrazování, vektorová grafika, point-clouds (hloubková mapa, Kinect)
Flexibilita jednoduché naprogramování a přeprogramování řídícího systému
Téma 40 Jiří Cigler Zadání Číslicové řízení. Digitalizace a tvarování. Diskrétní systémy a jejich vlastnosti. Řízení diskrétních systémů. Diskrétní popis spojité soustavy. Návrh emulací. Nelineární řízení.
UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU
UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU ANALÝZU VÍCEKANÁLOVÝCH SIGNÁLŮ Robert Háva, Aleš Procházka Vysoká škola chemicko-technologická, Abstrakt Ústav počítačové a řídicí techniky Analýza vícekanálových
Úkol 1 Zpráva k semestrální práci k předmětu B2M31SYN Syntéza audio signálů Lukáš Krauz krauzluk@fel.cvut.cz Hlavním cílem této úlohy bylo vytvořit za pomoci MIDI souboru, obsahující noty a stopy k jednotlivým
Číslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
B2M31SYN 3. PŘEDNÁŠKA 17. října 2018
B2M31SYN 3. PŘEDNÁŠKA 17. října 218 ADITIVNÍ SYNTÉZA Harmonická analýza Harmonická syntéza Fourierovy řady Hudební nástroje Barva zvuku Spektrum Aditivní syntéza a spektrální modelování Parciály Fourierovy
Frekvenční charakteristiky
Frekvenční charakteristiky EO2 Přednáška Pavel Máša ÚVODEM Frekvenční charakteristiky popisují závislost poměru amplitudy výstupního ku vstupnímu napětí a jejich fázový posun v závislosti na frekvenci
Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz. FIT VUT Brno
Určování základního tónu řeči Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz FIT VUT Brno Určování základního tónu řeči Jan Černocký, ÚPGM FIT VUT Brno 1/37 Plán Charakteristiky základního tónu
Syntéza zvuků a hudebních nástrojů v programovém prostředí MATLAB
Syntéza zvuků a hudebních nástrojů v programovém prostředí MATLAB Úvod Cílem této semestrální práce je syntéza orchestrálních nástrojů pro symfonickou báseň Vltava Bedřicha Smetany a libovolná vlastní
B2M31SYN 9. PŘEDNÁŠKA 7. prosince Granulační syntéza Konkatenační syntéza Nelineární funkce Tvarovací syntéza
B2M31SYN 9. PŘEDNÁŠKA 7. prosince 2016 Granulační syntéza Konkatenační syntéza Nelineární funkce Tvarovací syntéza Granulační syntéza Jako alternativu k popisu pomocí sinusovek při úvahách o zvuku navrhl
Parametrické přístupy k filtraci ultrazvukových signálů
České vysoké učení technické v Praze Fakulta elektrotechnická Katedra měření Parametrické přístupy k filtraci ultrazvukových signálů Bakalářská práce Luboš Kocourek 2010 Studijní program: Elektrotechnika
Základní metody číslicového zpracování signálu a obrazu část II.
A4M38AVS Aplikace vestavěných systémů Přednáška č. 8 Základní metody číslicového zpracování signálu a obrazu část II. Radek Sedláček, katedra měření, ČVUT FEL, 2015 Obsah přednášky Převzorkování decimace,
Operace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.
Operace s obrazem I Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova 1 Filtrování obrazu 2 Lineární a nelineární filtry 3 Fourierova
A/D převodníky - parametry
A/D převodníky - parametry lineární kvantování -(kritériem je jednoduchost kvantovacího obvodu), parametry ADC : statické odstup signálu od kvantizačního šumu SQNR, efektivní počet bitů n ef, dynamický
Dodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů
Dodatky k FT:. (D digitalizace. Více o FT 3. Více k užití filtrů 7. přednáška předmětu Zpracování obrazů Martina Mudrová 4 Pořízení digitálního obrazu Obvykle: Proces transformace spojité předlohy (reality
Globální matice konstrukce
Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{
Měření na výkonovém zesilovači 1kW/144MHz by OK1GTH
Měření na výkonovém zesilovači 1kW/144MHz by OK1GTH Ing.Tomáš Kavalír, Katedra aplikované elektroniky a telekomunikací FEL /ZČU kavalir.t@seznam.cz, http://ok1gth.nagano.cz Zadání měření: 1. Měření max.
STANOVENÍ CHARAKTERU SEGMENTU ŘEČI S VYUŽITÍM REÁLNÉHO KEPSTRA
STANOVENÍ CHARAKTERU SEGMENTU ŘEČI S VYUŽITÍM REÁLNÉHO KEPSTRA Oldřich Horák Univerzita Pardubice, Fakulta ekonomicko-správní, Ústav systémového inženýrství a informatiky Abstract: The extraction of the
R-5602 DYNBAL_V1 - SOFTWARE PRO VYHODNOCENÍ DYNAMICKÉ NEVÝVAHY V JEDNÉ ROVINĚ ING. JAN CAGÁŇ ING. JINDŘICH ROSA
DYNBAL_V1 - SOFTWARE PRO VYHODNOCENÍ DYNAMICKÉ NEVÝVAHY V JEDNÉ ROVINĚ ING. JAN CAGÁŇ ING. JINDŘICH ROSA VÝZKUMNÝ A ZKUŠEBNÍ LETECKÝ ÚSTAV, a. s. BERANOVÝCH 130, 199 05 PRAHA-LETŇANY 2013 OBSAH 1 Úvod...
1 Modelování systémů 2. řádu
OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka
DIGITÁLNÍ FILTRACE V REÁLNÍM ČASE PRO ZPRACOVÁNÍ BIOMEDICÍNSKÝCH SIGNÁLŮ POMOCÍ MATLAB - XPC TARGET
DIGITÁLNÍ FILTRACE V REÁLNÍM ČASE PRO ZPRACOVÁNÍ BIOMEDICÍNSKÝCH SIGNÁLŮ POMOCÍ MATLAB - XPC TARGET Grobelný David, Martinák Lukáš, Nevřiva Pavel, Plešivčák Přemysl Department of measurement and control,
Úvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
Rozprostřené spektrum. Multiplex a mnohonásobný přístup
Rozprostřené spektrum Multiplex a mnohonásobný přístup Multiplex Přenos více nezávislých informačních signálů jedním přenosovým prostředím (mezi dvěma body) Multiplexování MPX Vratný proces sdružování
ÚPGM FIT VUT Brno,
Systémy s diskrétním časem Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz 1 LTI systémy v tomto kursu budeme pracovat pouze se systémy lineárními a časově invariantními. Úvod k nim jsme viděli již
Dynamické chyby interpolace. Chyby při lineární a kruhové interpolaci.
Dynamické chyby interpolace. Chyby při lineární a kruhové interpolaci. 10.12.2014 Obsah prezentace Chyby interpolace Chyby při lineární interpolaci Vlivem nestejných polohových zesílení interpolujících
FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth
FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického
KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
8. PŘEDNÁŠKA 20. dubna 2017
8. PŘEDNÁŠKA 20. dubna 2017 EEG systém rozložení elektrod 10/20 základní typy zapojení požadavky na EEG přístroj analýza EEG a způsoby zobrazení ontogeneze normální EEG úvod ke cvičení montáž, filtrace,
Filtrace snímků ve frekvenční oblasti. Rychlá fourierova transformace
Filtrace snímků ve frekvenční oblasti Rychlá fourierova transformace semestrální práce z předmětu KIV/ZVI zpracoval: Jan Bařtipán A03043 bartipan@students.zcu.cz Obsah Úvod....3 Diskrétní Fourierova transformace
ABSTRAKT KLÍČOVÁ SLOVA ABSTRACT KEYWORDS
ABSTRAKT Tato práce si klade za cíl odstranit rušivé vlivy z řečového signálu a tím zvýšit srozumitelnost, kvalitu degradovaného signálu a odstup od šumu. Nejčastější typy rušení mohou být hluk ulice,
9.1 Přizpůsobení impedancí
9.1 Přizpůsobení impedancí Základní teorie Impedančním přizpůsobením rozumíme stav, při kterém v obvodu nedochází k odrazu vln a naopak dochází k maximálnímu přenosu energie ze zdroje do zátěže. Impedančním
Analýza a zpracování digitálního obrazu
Analýza a zpracování digitálního obrazu Úlohy strojového vidění lze přibližně rozdělit do sekvence čtyř funkčních bloků: Předzpracování veškerých obrazových dat pomocí filtrací (tj. transformací obrazové
teorie elektronických obvodů Jiří Petržela obvodové funkce
Jiří Petržela obvod jako dvojbran dvojbranem rozumíme elektronický obvod mající dvě brány (vstupní a výstupní) dvojbranem může být zesilovač, pasivní i aktivní filtr, tranzistor v některém zapojení, přenosový