A2B31SMS 11. PŘEDNÁŠKA 4. prosince 2014

Podobné dokumenty
X31ZZS 7. PŘEDNÁŠKA 10. listopadu 2014

SYNTÉZA AUDIO SIGNÁLŮ

Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů

B2M31SYN SYNTÉZA AUDIO SIGNÁLŮ


Číslicové zpracování signálů a Fourierova analýza.

Modulační syntéza 8. prosince 2014

Akustika. 3.1 Teorie - spektrum

Syntéza zvuků a hudebních nástrojů v programovém prostředí MATLAB

Zpráva k semestrální práci z předmětu Syntéza audio signálů. Vypracoval: Jakub Krista Zimní semestr 2016/2017 Datum odevzdání:

MULTIMEDIÁLNÍ A HYPERMEDIÁLNÍ SYSTÉMY. 4) Upravujeme nahraný zvuk

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

Syntéza audio signálů Aditivní syntéza symfonického orchestru a akordeonu

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

Číslicové filtry. Honza Černocký, ÚPGM

A2B31SMS 2. PŘEDNÁŠKA 9. října 2017 Číslicové signály

Základní metody číslicového zpracování signálu část I.

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Vlastnosti Fourierovy transformace

Filtrace obrazu ve frekvenční oblasti

2. Číslicová filtrace

ÚPGM FIT VUT Brno,

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

FILTRACE VE FOURIEROVSKÉM SPEKTRU

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

Zvukové efekty. Ing. Jan Přichystal, Ph.D. 20. dubna PEF MZLU v Brně

Rekurentní filtry. Matlab

1 Zpracování a analýza tlakové vlny

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

A7B31ZZS 6. PŘEDNÁŠKA 27. října 2014

Dodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů

PSK1-9. Číslicové zpracování signálů. Číslicový signál

Analýza a zpracování signálů

Direct Digital Synthesis (DDS)

Parametrické přístupy k filtraci ultrazvukových signálů

2. GENERÁTORY MĚŘICÍCH SIGNÁLŮ II

Úvod do zpracování signálů

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

MĚŘENÍ ÚHLOVÝCH KMITŮ ZA ROTACE

VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ

Akustika pro posluchače HF JAMU

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

Fourierova transformace

mel jednotka subjektivní výšky tónu. Výška tónu o frekvenci 1000 Hz a hladině akustického tlaku 40 db se rovná 1000 melům.

Analýza a zpracování signálů. 1. Úvod

Zpráva k semestrální práci

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Při návrhu FIR filtru řešíme obvykle následující problémy:

ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI

Vold-Kalmanova řádová filtrace. JiříTůma

VY_32_INOVACE_E 15 03


Vlastnosti IIR filtrů:

Předmět A3B31TES/Př. 13

ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT

KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Zpracování obrazů. Honza Černocký, ÚPGM

Zvukové jevy. Abychom slyšeli jakýkoli zvuk, musí být splněny tři základní podmínky: 1. musí existovat zdroj zvuku

Primární zpracování radarového signálu dopplerovská filtrace

Analýza a zpracování digitálního obrazu

A2B31SMS 3. PŘEDNÁŠKA 15. října 2015

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně

Hlavní parametry rádiových přijímačů

Signál v čase a jeho spektrum

SPM od A do Z. pozadí metody SPM. SPM od A do Z. Copyright SPM Instrument

Kepstrální analýza řečového signálu

Laboratorní úloha č. 8: Elektroencefalogram

Akustika. Cesta zvuku od hudebního nástroje přes nahrávací a reprodukční řetězec k posluchači

NPGR032 CVIČENÍ III. Šum a jeho odstranění teorie&praxe. Adam Novozámský (novozamsky@utia.cas.cz)

Restaurace (obnovení) obrazu při známé degradaci

Osnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky

Semestrální práce z předmětu Syntéza audio signálů

Analýza lineárních regulačních systémů v časové doméně. V Modelice (ale i v Simulinku) máme blok TransfeFunction

Amplitudová a frekvenční modulace

teorie elektronických obvodů Jiří Petržela obvodové funkce

Cesta zvuku od hudebního nástroje přes nahrávací a reprodukční řetězec k posluchači Vzdělávání v rámci projektu Rozvoj výzkumného potenciálu JAMU

CW01 - Teorie měření a regulace

Kmitočtová analýza (AC Analysis) = analýza kmitočtových závislostí obvodových veličin v harmonickém ustáleném stavu (HUS) při první iteraci ano

Multimediální systémy

Tříkanálový kytarový zesilovač s digitálním signálovým procesorem a funkcí Channel Tracking. Uživatelský manuál Audio Partner s.r.o.

P7: Základy zpracování signálu

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

MULTIMEDIÁLNÍ A HYPERMEDIÁLNÍ SYSTÉMY

Komplexní obálka pásmového signálu

Laplaceova transformace

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

A/D převodníky - parametry

Transkript:

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, HP, ekvalizace Časově proměnné filtry - flanger, chorus, phaser Modulátory - kruhová modulace, tremolo (AM), vibráto (FM) Nelineární zpracování - komprese, expanze, limitace, zkreslení Efekty založené na časovém zpoždění - echo, reverb

---> Im ---> H(exp(j*w)) Impulsní ch. Hřebenový FIR filtr ---> Im ---> H(exp(j*w)) Impulsní ch. y[ n] x[ n] g x[ n D] H( z) 1 g z D z D z D g 5 Hrebenovy FIR filtr 6.radu 1 5 Hrebenovy FIR filtr 7.radu 1.8.8-5.6-5.6-1.4-1.4-15 +g -g -2.5 1 ---> w.2 1 2 3 4 ---> n (vzorky) -15 +g -g -2.5 1 ---> w.2 1 2 3 4 ---> n (vzorky) 1 1.5.5 6 7 -.5 -.5-1 -1 -.5.5 1 ---> Re -1-1 -.5.5 1 ---> Re

FIR filtr se dvěma nulami

FIR filtr se třemi nulami

FIR filtry (klouzavý průměr a hřebenový filtr)

FIR filtry

---> H(exp(j* )) Impulsní ch. ---> Im y[ n] x[ n] g y[ n D] Hřebenový IIR filtr H( z) 1 g 1 z D z D z D g 2 Hrebenovy IIR filtr 6.radu 1.9 1.5 15 1.8.7.6.5 1.5 6 5.4.3.2 -.5-1 +g -5 -g.5 1 --->.1 5 1 15 2 ---> n (vzorky) -1.5-1 -.5.5 1 ---> Re

---> arg(h(exp(j* ))) Impulsní ch. ---> Im ---> H(exp(j* )) Číslicový fázovací filtr y[ n] g y[ n D] g x[ n] x[ n D] H( z) g 1 z g z D D z gz D D 1 g g z D z 1/ g D g 5 allpass -5.5 1 ---> 2-2.7.6.5.4.3.2.1 -.1 -.2 -.3 1.5 1.5 -.5-1 -1.5.5 1 ---> 5 1 15 2 ---> n (vzorky) -1 -.5.5 1 ---> Re

Frequency amplituda Karplusův Strongův alg. 4 2-2 -4.5 1 1.5 2 2.5 3 3.5 4 cas [s] x 1 4 2 1.5 1.5.5 1 1.5 2 2.5 3 3.5 Time

Karplusův Strongův alg. kytara harfa mandolína klavír bicí

Karplusův Strongův alg. fs = 44.1e3; % [Hz] doba= 4; % [s] z = [ ]; g =.5; f = [82.4 11 146.8 196 246.9 329.6]; % [Hz] for k=1:length(f) x=zeros(1,doba*fs); % generovani budiciho signalu D=round(fs/f(k)) % modelujiciho drnknuti x(1:d)=randn(1,d); % buzeni explozi bileho sumu a=[1 zeros(1,d-1) -g -g]; b=[1]; y=filter(b,a,x); z=[z y]; end;

Dozvuky - přímá konvoluce audio signálu a zaznamenané impulsní charakteristiky prostoru klady: efektivní realizace dozvuku zápory: nelze nastavovat parametry výpočetně náročné

Dozvuky - přímá konvoluce audio signálu a zaznamenané impulsní charakteristiky prostoru klady: efektivní realizace dozvuku zápory: nelze nastavovat parametry výpočetně náročné - systémy složené ze zpožďovacích členů a z filtrů klady: velmi snadná změna parametrů simulace velkého rozsahu efektů (umělý/realistický) zápory: obtížnější nastavení reality

Konvoluce Konvoluční reverb Známe-li impulsní charakteristiku místnosti, pak dozvuk lze snadno vytvořit konvolucí impulsní charakteristiky a vstupního signálu

Konvoluce Konvoluční reverb Známe-li impulsní charakteristiku místnosti, pak dozvuk lze snadno vytvořit konvolucí impulsní charakteristiky a vstupního signálu - použití filtrů omezuje délka impulsní charakteristiky (několik stovek vzorků) - konvoluce se však snadno implementuje pomocí FFT - konvoluci dvou signálů v časové oblasti odpovídá násobení jejich Fourierových obrazů - Existují komerční konvoluční reverby (Altiverb) + řada syntezátorů má efekt konvoluční reverb (používá se imp.char. místností i nástrojů) Volně stažitelné impulsní charakteristiky http://www.voxengo.com/impulses/

Konvoluční reverb v MATLABu function [y]=konv_reverb(h,x) N = length(x)+length(h)-1; % délka výstupního signálu NFFT = 2.^nextpow2(N); % nalezení nejmenší % mocniny 2 > N H=fft(h,NFFT); % Fourierova transformace h X=fft(x,NFFT); % Fourierova transformace x Y=X.*H; % násobení ve frekvenční oblasti % představuje konvoluci v časové % oblasti y=real(ifft(y)); % zpětná Fourierova transform y=y(1:n); y=y/max(abs(y)); % normování výstupu

Audio efekty založené na časovém zpoždění (dozvuky a echa) original original.2 -.2.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 jednoduche echo x 1 4 2 1-1 -2 1 2 3 4 5 6 7 8 3-nasobne echo.2 -.2.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 K signálu přičítáme stejný signál, avšak zpožděný a tlumený (jednoduché echo) x 1 4 2 1-1 -2 1 2 3 4 5 6 7 8 Zpoždění vnímáme jako echo, je-li delší než 5 ms Malé zpoždění přináší oživení a rozjasnění zvuku Rychlost zvukové vlny je 35 m/s (331,4 +,6 T)

Audio efekty založené na časovém zpoždění (dozvuky a echa) Dozvuk,5 sekundy => zvuková vlna urazí 175 metrů Např. v koupelně o 3m by se vlna odrazila 58x (pak by byla vlna více či méně absorbována)

Audio efekty založené na časovém zpoždění (dozvuky a echa) Přímá vlna (bez odrazů) přímá cesta k posluchači První odrazy Odražené vlny příchází,1-,1 s po přímé vlně

Audio efekty založené na časovém zpoždění (dozvuky a echa)

Audio efekty založené na časovém zpoždění (dozvuky a echa) Dozvuk obsahuje tisíce pozdějších odrazů Stand.doba dozvuku -pokles o 6 db Typický koncertní sál má dozvuk 1.5-3 sekundy Chrám sv. Víta až 8 s Odrazy impulsního signálu (exponenciální tlumení)

Audio efekty založené na časovém zpoždění (dozvuky a echa), př.36 Zvukový efekt Zpoždění v sekundách Filtrační koeficient pod mostem,4,3 v chrámu,25,3 elektronicky vytvářený umělý dozvuk,2,9 klasické echo,15,5 v podzemní chodbě,12,7 v koncertní sini,1,4 elektronický efekt,85,9 ve sprše,3,6 v malé místnosti,1,5 mikrofonní zpětná vazba,1,97

Schroedrův algoritmus modelování dozvuku HF - hřebenové filtry: určují délku ozvěny (délka zpoždění je 1 až 5 ms; zapojují se paralelně) AF - all-pass filtry: zahuštují a rozprostírají ozvěny (délka zpoždění je do 5 ms; zapojují se do kaskády) Realističtější modelování dozvuku Pracné nastavení parametrů modelu

Audio efekty založené na časovém zpoždění (dozvuky a echa), př.36 E = [.4.3.25.3.2.9.15.5.12.7.1.4.85.9.3.6.1.5.1.97]; for k=1:length(e) zpozdeni = E(k,1); g = E(k,2); D = round(zpozdeni*f_s); % [vzorky] a = [1 zeros(1,d-1) -g]; y = filter(1,a,x); soundsc( y',f_s) pause(3) end;

E = [.4.3.25.3.2.9.15.5.12.7.1.4.85.9.3.6.1.5.1.97]; Audio efekty založené na časovém zpoždění (dozvuky a echa) for k=1:length(e) zpozdeni = E(k,1); g = E(k,2); D = round(zpozdeni*f_s); % [vzorky] a = [1 zeros(1,d-1) -g]; y = filter(1,a,x); soundsc(y',f_s) pause(3) end;