Speech processing toolbox for MATLAB André Palhares

Apresentação em tema: "Speech processing toolbox for MATLAB André Palhares"— Transcrição da apresentação:

1 Speech processing toolbox for MATLAB André Palhares
Voicebox Speech processing toolbox for MATLAB André Palhares

2 Vector Distance - disteusq
Calcula a distância euclidiana, quadrado da euclidiana ou de mahanalobis entre matrizes D=disteusq(X,Y,MODE,W) X,Y são matrizes com mesmo número de colunas MODE é uma string ‘x’: distância entre cada uma das linhas de X e Y ‘d’: distância entre linhas correspondentes ‘s‘: tira a raiz quadrada de modo a obter a distância euclidiana W é opcional e utilizado como peso pra distância Se MODE = ‘x’, retorna uma matriz com as distâncias Se MODE = ‘d’, o retorno é um vetor coluna

3 Speech Analysis - enframe
Divide o sinal em frames, um por linha da matriz de saída F = ENFRAME(X,LEN) Cada frame fica com tamanho LEN e ocupa uma linha de F F = ENFRAME(X,LEN,INC) Cada frame começa a distancia INC do inicio do frame anterior

4 Speech Analysis – fram2wav
Converte frames em waveforms contínuos, usando algum método de interpolação [w,s]=fram2wav(x,tt,mode) Entradas x(nf, p) – sinal de entrada, um frame por linha tt(nf, 3) – serve para específicar quais frames exatamente se quer interpolar mode – l pra interpolação linear, z para zero-order hold interpolation Saídas w(n,p) s(ns, 2)

5 Speech Analysis – ewgrpdel
Calcula a energy weighted group delay waveform – para cada sample de entrada, essa rotina calcula o delay entre tal amostra e o centro de gravidade de uma janela centrada na amostra [y,mm]=ewgrpdel(x,w,m) x – sinal de entrada w – a janela ou o tamanho da janela m – onde fica o centro da janela (no meio, como default) y – o waveform gerado mm – o m utilizado no cálculo

6 Speech Analysis – activlev
Mede o level ativo do sinal, de acordo com a recomendação P.56 da ITU-T [lev,af,fso]=activlev(sp,fs,mode) sp – sinal de entrada fs – frequencia de amostragem mode: ‘r’ – omitir todos os filtros (padrao é 200 Hz até 5.5 kHz) ‘0’ – não usar filtro passa alta (inclui DC) ‘4’ – usa filtro passa alta em 40 Hz ‘1’ – usa filtro de chebyschev de ordem 1 ‘2’ – usa filtro de chebyschev de ordem 2 (default) ‘e’ – usa filtro elíptico ‘h’ – omitir filtro passa baixa em 5.5 kHz ‘d’ – saída e dB Saídas lev – level do sinal af – duty cycle do sinal fso – vetor com informações adicionais do sinal

7 Speech Analysis – spgrambw
Exibe o spectrograma do sinal em escala de cinza [tt,f,b]=spgrambw(data,fs,bw,fmax)

8 Speech Analysis – txalign
Encontra o melhor alinhamento entre dois conjuntos de marcadores de tempo [kx,ky,nxy,mxy,sxy]=txalign(X,Y,MAXT) X e Y são vetores de tempo. O alinhamento tenta minimizar (X-Y)^2 com uma penalidade de MAXT^2 para cada par de entradas que não alinhem Saídas: nxy – número de alinhamentos obtidos mxy – média das distancias do alinhamento sxy – desvio padrão das distancias do alinhamento kx – vetor do mesmo tamanho de X. kx(i) = j se X(i) alinhou com Y(j). Se não, kx(i) = 0. Ky – idem em relação a Y

9 Speech Analysis – soundspeed
Retorna a velocidade do som no ar, em função da temperatura v=soundspeed(t,m,g) t – temperatura do ar em celsius m – peso molecular médio do ar g – constante adiabática do ar v – velocidade do som

10 Voicebox Parameters and System Interface - voicebox
Usado para setar parâmetros globais do voicebox y=voicebox(f,v) f é o nome de algum campo a ser setado v é o novo valor que tal campo vai assumir y é o valor do campo atualmente, se nenhum valor novo for passado como parâmetro. Se f e v forem ambos passados ou não, y recebe a estrutura dos parâmetros atual Entre os campos que podem ser setados, temos: PP.dir_temp - localização de dados temporários PP.dir_data - localizaçao de dados PP.shorten - localização do executavel shorten PP.sfsbin – localizaçao dos executaveis sfs PP.sfssuffix – sufixo dos executaveis sfs