A2B31SMS 6. PŘEDNÁŠKA 5. listopadu 2015 Hlas a řeč hlasivkový tón, formanty, zpěvní formant Formantové syntézy Klattův formantový syntetizér

Podobné dokumenty
A7B31ZZS 6. PŘEDNÁŠKA 27. října 2014

7. listopadu 2018 Hlas a řeč. Hudební nástroje. Formantové syntézy. Číslicové pásmové propusti. Aplikace

B2M31SYN 6. PŘEDNÁŠKA 9. listopadu 2016 Hlas a řeč

SYNTÉZA AUDIO SIGNÁLŮ

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

Zvuk. 1. základní kmitání. 2. šíření zvuku

Kepstrální analýza řečového signálu

A6M33BIO- Biometrie. Biometrické metody založené na rozpoznávání hlasu I

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

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

A2B31SMS 11. PŘEDNÁŠKA 4. prosince 2014

ADA Semestrální práce. Harmonické modelování signálů

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU

Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů

Laboratorní úloha č. 8: Elektroencefalogram

B2M31SYN SYNTÉZA AUDIO SIGNÁLŮ

Signál v čase a jeho spektrum

Světlo jako elektromagnetické záření

Analogové modulace. Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206

X31ZZS 3. PŘEDNÁŠKA 6. října Periodické průběhy Fourierovy řady Spektrum Barva zvuku Aplikace

Fyzikální podstata zvuku

VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ

JAK VZNIKÁ LIDSKÝ HLAS? Univerzita Palackého v Olomouci

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

Modulační syntéza 8. prosince 2014

Vlastnosti Fourierovy transformace

A2B31SMS 3. PŘEDNÁŠKA 15. října 2015

Laboratorní úloha č. 8: Polykardiografie

Náhodné signály. Honza Černocký, ÚPGM

Při návrhu FIR filtru řešíme obvykle následující problémy:

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

AKUSTICKÁ MĚŘENÍ Frekvenční spektrum lidského hlasu

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Číslicové filtry. Honza Černocký, ÚPGM

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Při návrhu FIR filtru řešíme obvykle následující problémy:

Zpráva k semestrální práci

Návrh filtrů FIR, metoda okénkování, klasická okna, návrh pomocí počítače. Návrh filtrů IIR, základní typy filtrů, bilineární transformace

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

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

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

X31ZZS 7. PŘEDNÁŠKA 10. listopadu 2014

Akustika. 3.1 Teorie - spektrum

Semestrální práce z předmětu Syntéza audio signálů

Úvod do praxe stínového řečníka. Proces vytváření řeči

LIDSKÝ HLAS JAN ŠVEC. Oddělení biofyziky, Katedra experimentální fyziky, Př.F., Univerzita Palackého v Olomouci

IDENTIFIKACE ŘEČOVÉ AKTIVITY V RUŠENÉM ŘEČOVÉM SIGNÁLU

2 Teoretický úvod Základní princip harmonické analýzy Podmínky harmonické analýzy signálů Obdelník Trojúhelník...

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

Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722

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

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

Fourierova transformace

1 Zpracování a analýza tlakové vlny

14 - Moderní frekvenční metody

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

Číslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů

Algoritmy a struktury neuropočítačů ASN P8b

LPC. Jan Černocký ÚPGM FIT VUT Brno, FIT VUT Brno. LPC Jan Černocký, ÚPGM FIT VUT Brno 1/39

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

Komplexní obálka pásmového signálu

31SCS Speciální číslicové systémy Antialiasing

Primární zpracování radarového signálu dopplerovská filtrace

Zpracování obrazů. Honza Černocký, ÚPGM

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU


Číslicové zpracování signálů a Fourierova analýza.

B2M31SYN 3. PŘEDNÁŠKA 17. října 2018

Frekvenční charakteristiky

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

Jan Černocký ÚPGM FIT VUT Brno, FIT VUT Brno

Syntéza zvuků a hudebních nástrojů v programovém prostředí MATLAB

B2M31SYN 9. PŘEDNÁŠKA 7. prosince Granulační syntéza Konkatenační syntéza Nelineární funkce Tvarovací syntéza

Parametrické přístupy k filtraci ultrazvukových signálů

Základní metody číslicového zpracování signálu a obrazu část II.

Operace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.

A/D převodníky - parametry

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

Globální matice konstrukce

Měření na výkonovém zesilovači 1kW/144MHz by OK1GTH

STANOVENÍ CHARAKTERU SEGMENTU ŘEČI S VYUŽITÍM REÁLNÉHO KEPSTRA

R-5602 DYNBAL_V1 - SOFTWARE PRO VYHODNOCENÍ DYNAMICKÉ NEVÝVAHY V JEDNÉ ROVINĚ ING. JAN CAGÁŇ ING. JINDŘICH ROSA

1 Modelování systémů 2. řádu

DIGITÁLNÍ FILTRACE V REÁLNÍM ČASE PRO ZPRACOVÁNÍ BIOMEDICÍNSKÝCH SIGNÁLŮ POMOCÍ MATLAB - XPC TARGET

Úvod do zpracování signálů

Rozprostřené spektrum. Multiplex a mnohonásobný přístup

ÚPGM FIT VUT Brno,

Dynamické chyby interpolace. Chyby při lineární a kruhové interpolaci.

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

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

8. PŘEDNÁŠKA 20. dubna 2017

Filtrace snímků ve frekvenční oblasti. Rychlá fourierova transformace

ABSTRAKT KLÍČOVÁ SLOVA ABSTRACT KEYWORDS

9.1 Přizpůsobení impedancí

Analýza a zpracování digitálního obrazu

teorie elektronických obvodů Jiří Petržela obvodové funkce

Transkript:

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

Hlasové ústrojí Artikulační ústrojí

Vnik hlasivkového tónu

Hlasové ústrojí Akustický model artikulačního ústrojí hlasitost F F, F, F3, F4

Hlasové ústrojí

Hlasové ústrojí Spektrum hlasivkového tónu + spektrum vokálního traktu F F, F, F3, F4 energie parametry hlasu

Generování samohlásek A E I O U Audio demonstrace modifikace harmonického droje tvarováním hlasového ústrojí [San Franciso Exploratorium]

O U A E I

Základní hlasivkový tón ` typ f [H] min f [H] max f [H] muži 5 8 ženy 5 5 35 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).

Základní hlasivkový tón `. Rosah hlasivkového tónu v řeči

Základní hlasivkový tón samohlaska "a" perioda samohlasky "a" -.3.33.34.35.36.37.38.39.4.4 ---> cas [s] -.35.353.354.355.356.357.358.359.36.36 ---> cas [s] T = /f 8 6 f f f = /T amplitudove spektrum f 3.5 f amplitudove spektrum f f 3 4 f.5 5 5 5 3 35 4 ---> frekvence [H] 5 5 5 3 35 4 ---> 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

---> frekvence [H] ---> frekvence [H] ---> frekvence [H] ---> frekvence [H] Základní hlasivkový tón.5 -.5 slovo "jedna"...3.4.5.6 ---> cas [s] 4 3...3.4.5.6 ---> cas [s] 4 3...3.4.5 ---> cas [s].5 -.5-4 3 5 samohlaska "a".3.33.34.35.36.37.38.39.4.4 ---> cas [s].3.33.34.35.36.37.38.39.4.4 ---> cas [s].3.33.34.35.36.37.38.39.4.4 ---> cas [s].: širokopásmový (horní) a úkopásmový (dolní) spektrogram. Vpravo je obraení pro slovo jedna, vlevo je detail samohlásky a

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.5.5.5.5 -.5 -.5 -.5 - - vstup - - vstup -.5 - vstup - - vstup

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" -.3.33.34.35.36.37.38.39.4 ---> cas [s] 5-5 kubicke nelinearni kresleni.3.33.34.35.36.37.38.39.4 ---> cas [s] 4 centralni omeeni.3.33.34.35.36.37.38.39.4 ---> cas [s]

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.3.33.34.35.36.37.38.39.4.5 ---> cas [s].5 naleeni lokalnich maxim.3.33.34.35.36.37.38.39.4.5 ---> cas [s].5 detekce periody akladniho tonu.3.33.34.35.36.37.38.39.4 ---> cas [s] citlivost na nastavení rohodovacích úrovní a prahů pro daný signál a určitou apl.

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.

Základní hlasivkový tón a jeho detekce Příklad detekce ákladní periody pomocí algoritmů s dvojí transformací a nelineárním kreslením ve frekvenční oblasti

Základní hlasivkový tón X 3 = sqrt( S ) X = ln S a jeho detekce.5 f X = S 5 x.5 3 4 - - 3 4 4 x.4...5..5..5..5. x 3. 3 4 ---> f [H].5..5. ---> 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

4.odmocnina kepstrum ACF signal Základní hlasivkový tón a jeho detekce Postprocessing.5 -.5..4.6.8..4.6.8..4.6.8..4.6.8 ---> 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.

Určování formantových frekvencí Formanty jsou naývány energeticky výnamné frekvence, které odpovídají reonančním frekvencím hlasového ústrojí.

Určování formantových frekvencí Orientační hodnoty formantů českých samohlásek I E A O U F 3.. 5 48.. 7 7.. 5.. 7 3.. 5 F.. 8 56.... 5 85.. 6.. F3 6.. 35 5.. 3 5.. 3 5.. 3 4.. 9

[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 - -3 5 5 5 3 35 4 ---> frekvence [H]

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 35 3 5 5 5..4.6.8..4 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 35 3 5 5 5..4.6.8..4 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)

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 35 3 5 5 5..4.6.8..4 cas [s]

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

Zpěvní hlas

Přechod nepěvecké techniky v pěveckou

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

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

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

Tvarové rodíly mei jednotlivými druhy pěvu

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

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

F (ACF) signal.5 -.5 3 4 5 6 7 8 9 5 4 3 3 4 5 6 7 8 9 ---> cas [s]

Frequency 4 35 3 5 5 5 3 4 5 6 7 8 9 Time

F (ACF) signal.6.4. -. -.4 4 6 8 4 6 8 5 4 3 4 6 8 4 6 8 ---> cas [s]

Frequency 4 35 3 5 5 5 4 6 8 4 6 8 Time

Fundamental Frequency (H) S použitím programu specsynt.m určení formantů všech samohlásek Left-line draw, Right-quit draw F4 F3 F F 4 6 8 Time (ms) clear, close all y = wavread('samohlasky8.wav'); specsynt

Fundamental Frequency (H) Syntéa samohlásek Left-line draw, Right-quit draw F4 F3 F F 4 6 8 Time (ms)

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

IIR filtr s jedním pólem (pohyb pólu po reálné ose)

IIR filtr s jedním pólem a jednou nulou (pohyb nuly a pólu po reálné ose)

Filtr se dvěma póly - reonátor

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

H( ) Filtr se dvěma póly pásmová propust IIR j j j j re re re re r

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

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

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

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

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

8 r,975 Filtr se dvěma póly (tlumené oscilace) r 8,95 8 r,95

Filtr se dvěma póly - reonátor (netlumené oscilace) 8 r,5 8 r,5 8 r,75

Filtr se dvěma póly - reonátor (konstantní koeficient a ) a cos( / 6) a a cos( / 4) a a cos( /3) a

Filtr se dvěma póly - reonátor (konstantní koeficient a ) a cos( / 4) a,8 a cos( / 4) a a cos( / 4) a,

Pohyb pólů (konstantní úhel; růný poloměr)

Pohyb pólů po kružnici (růný úhel; konstantní poloměr)

Pohyb nul IIR filtru (po reálné ose)

IIR s více póly (pohyb vybraných pólů po ose)

IIR s více póly (pohyb vybraných pólů po kružnici)

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

Amplitudové charakteristiky reonátorů.5.5.5 5 5 5.5.5.5 5 5 5.5.5.5

Analýa harmonických.5 -.5 5 4-5 5 5 3 35 4 45 5.9.8.7.6.5.4.3 3.5..5..5.3.35.4. Time..8.6.. 3 4 5 6 h h h3 h4 h5 h6 h7 h8 h9.4.

frekvence vitr F Filtrační syntéa větru 5.5 3 4 5 6 7 8 9 -.5 3 4 5 6 7 8 9 4 3 4 5 6 7 8 9 ---> cas [s]

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=[.5.3.4.5.65.7.75.8.85.9.95 ]; Y=[...3.5.3.8.5.7.]; Fmin=; Fmax=9; y=(fmax-fmin)*y+fmin; % casovy prubeh interpolovane ridici frekvence fr=interp(x,y,nt/nt(end));

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

frekvence vitr Filtrační syntéa vln 4 A B fr.5 5 5 5 5-4 6 8 4 6 4 x 4 4 6 8 4 6 8 ---> cas [s]

Filtrační syntéa vln % souradnice ridicich bodu X =[..5.35 ]; % casova osa Y_A=[.8.5.8.]; % amplituda Y_B=[ 3 4 6 4]; % 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));

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

Filtrační syntéa Aplikace s šumem reonátory a obálkami buben činel

Filtrační syntéa 8 řídící frekvence 6 4 3 4 5 6 7 8 9. déšť.5 -.5 -. 3 4 5 6 7 8 9

Filtrační syntéa hodiny Fr=35; B = 55; Fr=3; B = 75;

Frequency housle Filtrační syntéa -.5.5.5 -...3.4.5.6 5-5.5.5.5.8.6.4. % filtr (model housli) %%%%%%%%%%%%% F = [5, 5, 3, 4]; BW = [3,, 7, 5]; 3 4 5 6 7 Time x 4

Filtrační syntéa klarinet.5 -.5..4.6.8..4.6.8.8.6.4...4.6.8..4.6.8.5 -.5..4.6.8..4.6.8 % navrh reonatoru fr = 9; % reonancni frekvence B = ; % sirka pasma reonatoru

Syntéa strojů vlak letadlo

Syntéa materiálu dřevo kov sklo

Potlačení šumu v řeči bankou filtrů

Potlačení šumu v řeči bankou filtrů

Potlačení šumu v řeči bankou filtrů banka filtrů Dilci normovane propusti.9.8.7.6.5.4.3.. 4 6 8

Potlačení šumu v řeči bankou filtrů pracování signálů v i-tém pásmu

Potlačení šumu v řeči bankou filtrů

Potlačení šumu v řeči bankou filtrů

Potlačení šumu v řeči bankou filtrů

Potlačení šumu v řeči bankou filtrů

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.^))

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..9.8.7.6.5.4.3.. 4 6 8

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.5 4 --> n.5 7. pasmo.5. pasmo 4 --> n 5. pasmo.5 4 --> n 8. pasmo.5 3. pasmo 4 --> n 6. pasmo.5 -.5 4 --> n - - - Real Part - Real Part - - - Real Part - Real Part - - - Real Part - Real Part -.5 4 --> n - 4 --> n - - Real Part - - Real Part

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..8.6.4. 3 4 5 6 7 8 ---> poradi pasma

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

Potlačení šumu v řeči bankou filtrů 4 - -. pasmo 3 4 5 3. pasmo 3 4 5.5 5. pasmo.5.5.5 3 4 5 7. pasmo 3 4 5. pasmo - - -.5 3 4 5 4. pasmo 3 4 5.5 6. pasmo.5 -.5 3 4 5 8. pasmo 3 4 5 5 5. pasmo 3 4 5 6 3. pasmo 4.5.5.5 3 4 5 5. pasmo 3 4 5.5 7. pasmo.5 3 4 5 8 6 4 4.5. pasmo 3 4 5 4. pasmo 3 4 5.5 6. pasmo 3 3 4 5 8. pasmo 3 4 5 -. pasmo 3 4 5 4 3. pasmo - -4 3 4 5 5. pasmo - - 3 4 5 7. pasmo 3 4 5 - -. pasmo 3 4 5 4. pasmo - 3 4 5 6. pasmo 3 4 5 8. pasmo - 3 4 5

Potlačení šumu v řeči bankou filtrů xf xr x xs

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.6.4. 4 6 8 4 6 8 Time.8.6.4. 5 5 5 ---> n Spektrogram signalu s potlacenym sumem.8.6.4..6.4. 4 6 8 4 6 8 Time 5 5 5 ---> n