Marcelo Lucena de Souza Análise de Voz e Vídeo.

Apresentação em tema: "Marcelo Lucena de Souza Análise de Voz e Vídeo."— Transcrição da apresentação:

1 Marcelo Lucena de Souza mls2@cin.ufpe.br Análise de Voz e Vídeo

2 Roteiro  Signal Processing  LPC Analysis of Speech  Random Numbers and Probability Distributions

3 Signal Processing  findpeaks  maxfilt  meansqrt  zerocross  ditherq  schmitt  dlyapsq  momfilt

4 findpeaks (Signal Processing)  Encontra os picos de um sinal usando interpolação quadrática  Uso:  [k,v]=findpeaks(x,m,w)  Entradas  x → sinal de entrada  m → modo  'q' interpolação quadrática  'v' encontra os vales ao invés dos picos  w → tolerância, picos fora do intervalo +-w são ignorados  Saídas  k → localização dos picos  V → amplitude dos picos

5 findpeaks - Exemplo  Sinal de entrada: m='q' w=1

6 findpeaks - Exemplo  Saída: k → peak locations

7 Findpeaks - Exemplo  Saída: v → peak amplitudes

8 maxfilt (Signal Processing)  Encontra o máximo valor do sinal dentro de uma janela ponderada exponencialmente  Uso: [y,k]=maxfilt(x,f,w)  Entradas  x → sinal de entrada  f → fator de esquecimento exponencial [f = exp(-1/T)]. f=1 para nenhum esquecimento  w → janela de +-w  Saídas  y → vetor de saída (mesmo tamanho de x)  k → array de índices, y=x(k)

9 maxfilt - Exemplo  [y,k]=maxfilt(x,1,9)

10 maxfilt - Exemplo  Resultado

11 meansqrtf (Signal Processing)  Calcula a média quadrática da função de transferência de um filtro  Uso: d=meansqtf(b,a)  Entrada  b → coeficientes do numerador da F.T. do filtro  a → coeficientes do denominador da F.T. Do filtro  Saída  d → nova função de transferência

12 meansqrtf - Exemplo  Filtro de Pré-Enfase  H(z) = 1 – 0.95/z  b = [1 -0.95]  a = 1  Resultado  d=meansqtf(b,a)  d = 1.9025

13 windows – (Signal Processing)  Gera uma função de janela  Uso: w = windows(wtype,n,mode,p)  Entrada:  wtype → tipo da janela (Hamming, Hanning, Kaiser,...)  n → número de pontos  Mode → sequencia de 3 caracteres de configuração da janela. Padrão 'ubv'.  p → parâmetro específicos para a janela  Saída:  w → função janela

14 windows – Exemplo  Janela de Hamming  w = windows('hamming',100)

15 windows – Exemplo  Hamming

16 zerocros (Signal Processing)  Encontra as passagens pelo zero de um sinal  Uso: [t,s]=zerocros(x,m)  Entrada  x → sinal  m → modo, pode ser passagens positivas, negativas ou ambas (padrão)  Saída  t → posições das passagens pelo zero  s → inclinação estimada na passagem pelo zero

17 zerocros - Exemplo

18 ditherq (Signal Processing)  Adiciona dither e quantiza o sinal. Dither é a adição de um ruído para randomizar o erro de quantização.  Uso: [y,zf]=ditherq(x,m,zi)  Entrada  X → sinal de entrada  M → modo. Tipo do dither: ruído branco (padrão), passa- alta, passa-baixa, sem dither.  Zi → número randômico  Saída  y → sinal de saída  zf → número randômico

19 ditherq - Exemplo

20 schmitt (Signal Processing)  Passa o sinal por um schmitt trigger  Uso: [y,t]=schmitt(x,thresh,minwid)  Entrada  x → sinal de entrada  thresh → vetor com os limiares superior e inferior do schmitt trigger  midwin → largura mínima. Pulsos menores que midwin são ignorados  Saída  y → sinal de saída  t → contém o índice das amostras na qual x atravessou os limiares

21 schmitt - Exemplo  y = schmitt(x, [-0.05 0.05]);

22 dlyapsq (Signal Processing)  Soluciona a equação de Lyapunov (AV'VA' - V'V +BB' =0), usada na análise de estabilidade em teoria do controle  Uso: v=dlyapsq(a,b)  Entrada  a, b → parametros da equação  Saída  V → solução da equação

23 momfilt (Signal Processing)  Calcula o momento de um sinal usando uma janela  Uso: [y,mm]=momfilt(x,r,w,m)  Entrada  x → sinal de entrada  r → lista de momentos (relativo a média ou a zero)  w → janela (hamming é o padrão)  m → índice de w usado como centro (padrão é o meio)  Saída  y → sinal de saída  mm → m usado no momento

24 LPC Analysis of Speech  lpcauto  lpccovar  lpcrr2am  lpcbwexp  ccwarpf  lpcifilt  lpcrand

25 lpcauto (LPC)  Realiza a análise LPC baseada na autocorrelação  Uso: [ar,e,k]=lpcauto(s,p,t)  Entrada  s → sinal de entrada  p → ordem da análise (Padrão: 12)  t → vetor com parametros opcionais dos frames  Saída  ar → coeficientes LPC  e → energia do sinal residual  k → primeira e última amostra do intervalo de análise

26 lpcauto - Exemplo  x = sinal dos exemplos anteriores  [ar e k] = lpcauto(x);  ar = [1.0000 -1.0169 0.0903 0.4222 -0.2532 - 0.2300 0.5742 -0.2297 -0.2633 0.1441 0.1043 -0.0837 -0.0438]  e = 0.0038  k = [1 100]

27 lpccovar (LPC)  Realiza a análise LPC baseada na covariância  Uso: [ar,e,dc]=lpccovar(s,p,t,w)  Entrada  s → sinal de entrada  p → ordem da análise (Padrão: 12)  t → parametros opcionais dos frames  w → erro de ponderação para cada amostra (Padrão: 1)  Saída  ar → coeficientes LPC  e → energia do sinal residual  dc → componente DC do sinal de entrada

28 lpccovar - Exemplo  x = mesmo sinal do exemplo anterior  [ar e dc] = lpccovar(x);  ar = [1.0000 -1.1087 0.4279 0.0894 0.0695 - 0.2697 0.3888 -0.0864 -0.3764 0.3216 0.0043 -0.0714 -0.0445]  e = [0.0145 0.0512]  dc = -1.5469e-04

29 lpcrr2am (LPC)  Converte coeficientes de autocorrelação para a matriz de autocorrelação  Uso: [am,em]=lpcrr2am(rr);  Entrada  Rr → coeficientes  Saída  Am → matriz de autocorrelação (Toeplitz)  Em → coeficientes LPC

30 lpcbwexp (LPC)  Expande a largura de banda do filtro LPC  Uso: arx=lpcbwexp(ar,bw)  Entrada  ar → coeficientes LPC  bw → largura de banda mínima a ser expandida  Saída  arx → novos coeficientes LPC

31 ccwarpf (LPC)  Realiza warping de coeficientes cepstral  Uso: m=ccwarpf(f,n,s)  Entrada  F → [f1 f2], vetor com a frequencia de amostragem original (f1) e a nova frequencia de amostragem (f2)  N → [n1 n2], vetor com o número original de coeficientes (n1) e o novo número (n2).  S → escala linear, 'l' ou mel, 'm'  Saída  m → matriz de transformação

32 lpcifilt (LPC)  Aplica filtro inverso no sinal de voz. Usado na estimação do glottal waveform.  Uso: u=lpcifilt(s,ar,t,dc,fade)  Entrada  S → sinal de voz  Ar → coeficientes LPC  T → índice da primeira amostra  Dc → Componente DC a ser subtraído do sinal  Fade → amostras de fade  Saída  U → resultado do filtro

33 lpcrand (LPC)  Gera polinômio randômico estável de ordem p. Usado para fins de teste.  Uso: ar=lpcrand(p,n,bw)  Entrada  P → ordem do polinômio  N → número de polinômios a serem gerados  Bw → largura de banda  Saída  Ar → coeficientes do(s) polinômio(s) gerado(s)

34 lpcrand - Exemplo  teste = lpcrand(12,1);  teste = [1.0000 -0.1091 -0.2139 -0.7055 -0.3406 0.6335 0.5740 -0.0618 -0.3154 -0.1504 - 0.2432 0.3939 -0.3346]

35 Random Numbers and Probability Distributions  Random Number Generation  Randvec  Randiscr  Usasi  Randfilt  Rnsubset  Probability Density Functions  Gmmlpdf  Lognmpdf  Miscellaneous  Histndim  Gausprod  Maxgauss

36 histndim  Gera e ou plota um histograma n- dimensional  Uso: [v,t]=histndim(x,b,mode)  Entrada  X -> dados de entrada, x = (m,d)  B -> níveis do histograma para cada dimensão  Mode -> configuração  Saída  V -> histograma  T -> dimensão do histograma

37 histndim - Exemplo  [v t] = histndim(v1,20,'h');

38 Referências  Voicebox home page  http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voi cebox.html http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voi cebox.html  Wikipedia  http://em.wikipedia.org http://em.wikipedia.org